Производители парусных судов и моряки оттачивали свое мастерство на протяжении пяти тысяч лет. Инновации в этой области не прекращаются и сейчас, когда судоходство уже не зависит от ветра. В гонке важны как технологии яхтостроения, так и мастерство яхтсменов. Как сегодня в этой сфере применяются самые продвинутые технологии (и при чем тут бизнес), выясняем вместе с книгой «От предвидения к власти».
ИИ в действии
На проектирование яхт тратятся миллионы долларов. Поскольку физика ветра, воды и судна хорошо изучена, участники соревнований используют тренажеры для определения наиболее эффективных конструкций задолго до начала строительства. Тренажеры позволяют испытать судно, не приступая к его строительству. Преимущество получает та команда, которая имеет лучший тренажер.
В 2017 году команда Новой Зеландии победила благодаря тренажеру. Готовясь к регате 2021 года, члены команды задумались, можно ли ускорить процесс проектирования. Они определили ключевое узкое место на пути инноваций: яхтсмены. Обучение людей управлению яхтой в симуляторе требует времени. Не существует способа ускорить реакцию человека на складывающиеся обстоятельства и на поведение судна.
Чтобы научить прогнозную машину управлять яхтой, использовалась технология, аналогичная ИИ, победившему лучших игроков мира в го. При этом не нужно было учитывать подготовку членов команды. Бот не нуждается в еде и сне. Он справляется с сотнями симуляций за то время, за которое человек смог бы выполнить лишь несколько.
Через восемь недель ИИ начал выигрывать у людей на симуляторе. Вот тут-то и началось самое интересное. Яхтсмены, опиравшиеся на ИИ, начали обучать тех, кто им не пользовался, новым трюкам.
Раньше темп инноваций в области проектирования судов зависел от возможностей человека. Процесс обучения правилам эксплуатации яхты новой конструкции занимал несколько часов, дней или недель, пока матросы пробовали разные способы и учились. ИИ, напротив, способен экспериментировать с различными моделями яхт. Он может опробовать различные гоночные тактики. Это ускоряет процесс конструирования и позволяет разрабатывать новые маневры, которые сможет выполнить яхта новой конструкции.
Затем, когда ИИ находил оптимальное решение, яхтсмены копировали его и учились управлять яхтами новых моделей, осваивая непривычные приемы. Команда Новой Зеландии стала обладателем трофея, выиграв семь гонок против трех у ближайшего преследователя.
В частности, подготовка к гонкам включает в себя два типа решений. Это решения о конструкции яхты и решения о маневрах во время гонки. Для проектирования яхт уже используются симуляторы. Люди давным-давно осваивают искусство маневрирования под парусами. Но ИИ никогда не управлял лодкой во время гонки — этим по-прежнему занимаются реальные люди. Вместо этого ИИ ускоряет инновационный процесс, позволяя лучше координировать проектирование яхты и маневры под парусами. Комплексная система из симулятора яхты и ИИ позволила усовершенствовать обе системы.
Системные близнецы
Тренажер яхтсмена — это пример «цифрового двойника», или виртуального представления физического объекта или системы . Цифровые двойники замещают физические объекты в качестве источников информации и при наличии соответствующих датчиков позволяют осуществлять мониторинг и проактивное техническое обслуживание в режиме реального времени. Однако они способны на большее, обеспечивая предпосылки для моделирования на уровне системы.
Как выяснила команда Новой Зеландии, благодаря моделируемым системам команды могут найти наилучший способ координации таких решений, как дизайн яхт и маневры во время гонки .
Разрабатывая идею по изменению системы, менеджер моделирует ее последствия, не тратясь на создание оборудования и не рискуя его простоями. Моделирование также может быть направлено на реализацию ИИ. Если прогнозная машина интегрируется в одну из частей системы, моделирование помогает определить, какие еще решения необходимо согласовать или как сделать структуру системы модульной.
Представьте систему с единственным двоичным решением: спустить парус (L) или поднять парус (T). Есть только два варианта (L, T). Теперь представьте, что второе решение влияет на первое: идти прямо (S) или повернуть вправо ®. Теперь есть четыре варианта (LS, LR, TS, TR). Добавим третье решение — поставить еще один парус (A) или нет (N), которое зависит от первых двух решений. Теперь есть восемь вариантов (LSA, LSN, LRA, LRN, TSA, TSN, TRA, TRN).
Если число взаимодействующих решений достигнет десяти, мы получим 1 024 варианта, а 20 взаимодействующих решений дают 1 048 576 вариантов. В парусных гонках принимаются сотни решений, требующих согласования, и спустя недолгое время вариантов станет больше, чем атомов в наблюдаемой Вселенной. Суть в том, что системы со взаимозависимыми решениями становятся очень сложными в кратчайшие сроки.
Хотя экспериментировать со множеством вариантов, чтобы найти лучший, очень дорого — а в некоторых случаях физически невозможно, — мы можем использовать цифровые активы, в том числе цифровых двойников физической среды, для моделирования различных вариантов и использовать ИИ для предсказания результатов каждого из них.
Таким образом, мы можем исследовать гораздо больше вариантов, чем в физическом мире, и увеличить наши шансы найти лучшую комбинацию, чем та, на которой мы, скорее всего, остановимся в отсутствие моделирования.
Купить книгу: МИФ / Ozon / Читай-город
