В России начинается настоящая ИИ-революция в сфере АПК. Производственное подразделение компании Cognitive Pilot запускает серийное производство тракторов-роботов, способных выполнять множество операций в автономном режиме – без зависимости от интернета и навигационных систем. Ещё более интересная разработка – робот-агроном, умеющий в режиме реального времени анализировать параметры, от которых зависит урожайность сельскохозяйственных культур.
Чудо-техника от отечественных разработчиков
Качественные изменения, начинающиеся сегодня в земледелии, сравнимы с теми, что происходили в начале ХХ века, когда на полях появились первые тракторы. Тогда имел место переход от ручного труда к его механизации, сегодня – к полной автоматизации под управлением искусственного интеллекта (ИИ).
Вхождение в новую реальность было постепенным. Сначала появились автопилоты для уже имеющейся техники – для комбайна, трактора, косилки, опрыскивателей. Все они «видят», как человек, чётко различая поле, дорогу, людей, деревья, столбы... Их использование облегчает труд механизаторов, защищает технику от аварий, на 20 процентов повышает производительность труда, на 30–35 процентов сокращает потери при уборке урожая и позволяет в режиме реального времени контролировать качество работы.
Тракторы с ИИ обработали за первый год применения в России более 2,3 млн гектаров сельскохозяйственных земель.Скриншот видео компании Cognitive Pilot
Следующий шаг – мини-трактор с полностью автономной системой ориентации, основанной на ИИ-зрении, и робот-агроном. Первая модель особенно актуальна для южных регионов европейской части России, где из-за боевых действий часто отключают средства навигации, а дроны представляют опасность для людей. Робот-агроном будет полезен для всех сельскохозяйственных районов России, где из-за климатических особенностей урожайность всегда была ниже, чем в соседней Европе.
Вся эта чудо-техника основана на отечественных разработках, состоит их российских компонентов и изготовляется на производственной базе компании Cognitive Pilot, находящейся в кластер электроники и беспилотных технологий в Томске. Фактически это один из примеров реального импортозамещения – причём, не постфактум, а с опережением зарубежных моделей.
Главное ноу-хау – обучение нейронных сетей
При обучения нейронных сетей для лингвистических ИИ-систем используются готовые тексты, а сельскохозяйственные модели учатся на земных реалиях. По словам генерального директора компании Cognitive Pilot Ольги Усковой, робот-агроном формировал свой базовый набор знаний в ходе мониторинга поведения различных сельскохозяйственных культур в трёх десятках реальных хозяйств, расположенных в основных аграрных регионах страны – от западных областей до Сибири. Затем его работа тестировалась в Белоруссии, Бразилии и ЮАР.
Работа автопилота для трактора COGNITIVE AGRO PILOT. Источник: сообщество Cognitive Pilot в VK
В результате робот-агроном умеет распознавать практически все классы культур, произрастающих как в России, так и за рубежом, и определять качественные и количественные характеристики убираемой продукции: от размеров и массы до температуры, влажности, повреждённости, засорённости и прочего. Кроме того, «умный агроном» строит карты, позволяющие определять параметры урожайности в каждой точке поля, корректировать зоны опрыскивания для защиты растений и вести точный учёт собранного урожая
На первичное обучение нейронных сетей для сельхозтехники уходит много времени – при создании робота-агронома мониторинг состояния полей продолжался семь лет.
Для оптимизации процесса была разработана новая архитектура системы обучения – CognitiveNet. Она основана не на обработке огромных массивов данных, а на сбалансированных выборках и алгоритмах одновременной работы по разным подзадачам: определение кромки поля, обнаружение препятствий, выявление зон, где движение невозможно, и прочее.
Параллельный сбор информации позволил организовать «совместное обучение», что способствовало более глубокому и качественному извлечению конкретных признаков окружающей среды и более высокому уровню их обобщений. Де-факто, можно говорить о формировании новых системных свойств нейросети: синергии в процессе «совместного обучения» и адаптации возможностей сети к новым функциональным сценариям, не заложенным в неё при проектировании.
Использование этого метода обеспечивает заметный рост точности распознавания, ускоряет процесс обучения, позволяет выявлять и фиксировать нетривиальные связи между параметрами, характеризующими разные качества объектов.
Грязные методы конкуренции китайских товарищей
Лидерами в разработке робототехники для АПК являются России, США и Китай. Из-за санкций реальной конкуренции с Америкой на сегодняшний день нет, а полем соперничества между отечественными и привыкшими зарабатывать на экспорте китайскими производителями является российский рынок.
Де-факто, китайские компании претендуют на доминирование в России, и, по словам Ольги Усковой, делают это, используя грязные методы:
«Китайская экспансия – это демпинг и занятые территории, плюс коррупционные схемы. Мы это уже проходили в 90-х годах со стороны Запада, сейчас абсолютно та же схема со стороны Китая. Они активно коррумпируют российских представителей и дилеров на местах. Более того, это достаточно агрессивная среда. Если есть возможность обмануть, они делают это».
Китайский фактор влияет на ситуацию внутри России. Как правило это проявляется в виде задержек при прохождении документов или лоббирования выгодных китайским производителям законодательных инициатив и нормативных правил.
В этой борьбе российские разработчики сельскохозяйственной ИИ-техники ждут поддержки государства, в первую очередь, организационной.
Им необходим гарантированный государственный спрос, чтобы иметь возможность формировать среднесрочный производственный план. Кроме того, в стране должен реально работать принцип импортозамещения, обеспечивающий приоритет российской продукции по сравнению с её зарубежными аналогами. Дополнительным бонусом могли бы стать некоторые налоговые послабления для производителей востребованной продукции.
02 февраля 2025