АЛЕКСЕЙ ПАЕВСКИЙ,ГЛАВНЫЙ РЕДАКТОР ПОРТАЛА NEURONOVOSTI.RU, НАУЧНЫЙ РЕДАКТОР ПОРТАЛА INDICATOR.RU

Как нейросети могут помочь энергетике

Самый большой миф, который связан с нейросетями — новая технология блокчейн. На самом деле нет.
Поделитесь лекцией в соцсетях:
Нейросети – это такая же древняя история, как мы. Даже древнее, потому что впервые концепцию нейросетей, а точнее, так называемого перцептрона, придумал Фрэнк Розенблатт, который считал, что именно так наша нервная система воспринимает информацию. В 1960 году он построил компьютер «Марк-I», который должен был распознавать буквы, в том числе рукописные. Но тогда, как мы помним, мощности у техники были недостаточные, и ничего не получилось.

Поэтому нейросети переживают взрывное развитие только сейчас: у нас есть достаточные мощности компьютеров, чтобы их применять. И они применяются действительно везде.

Нейросети применяются в творчестве. Есть нейросеть, которая, например, написала очередной неизвестный науке автопортрет Рембрандта, причем искусствоведам не отличить никак. В медицине сейчас нейросети уже диагностируют многие заболевания лучше врачей.

Что такое нейросеть?
К нейронам нейросеть имеет очень опосредованное отношение, это, в принципе, способ организации программ. У нейросети есть три основных элемента: входящие элементы, в которых информация от внешней среды поступает в программу, в сеть, есть внутренние элементы, которые что-то с ней делают, и один выходящий элемент, который говорит «да» или «нет» – это лицо или не лицо, например.

Есть еще отдельный тип нейросетей – это сверточные нейросети, они как раз мне ближе всего. Именно сверточные нейросети используются для распознавания образов и всего остального, в них есть архитектура внутренней структуры, слои этой структуры пытаются воспроизводить то, как устроена наша затылочная кора, которой мы обрабатываем информацию.

Собственно, применение нейросетей в энергетике отчасти связано с тем, куда движется сама энергетика. У нас сейчас большие, серьезные станции, большие потребители, все это дополняется распределенной генерацией, всякими маленькими ветряками, солнечной генерацией и так далее.

Что представляет собой нейросеть? Для нее важны большие данные. Если у вас есть большое количество однотипных размеченных данных – можно что-то прогнозировать. Например, аварию. Короткое замыкание в сети – стандартная авария, по графику потребления, который приходит на датчики, такая авария не сильно отличается от некоторых штатных ситуаций.

Но если у вас будет 1000 записей с коротким замыканием, и 1000 записей штатных ситуаций, то даже школьник сейчас напишет нейросеть, которая будет по приходящему графику говорить: «Здесь у вас короткое замыкание, а здесь у вас все нормально».

Это очень похоже на анализ кардиограммы. И сейчас электрокардиограмма – тоже нейросеть – умеет распознавать самые сложно отличаемые человеком аритмии, причем понимать: одну из них нужно лечить – срочно человека госпитализировать, а другую нет – просто отправить человека домой и попросить его пить поменьше кофе.

Самая простая вещь – это прогнозирование нагрузки и прогнозирование доходов. Нагрузка меняется каждый день, у каждого дня есть свой график нагрузки, и если у вас есть большое количество данных за прошлые годы, вы легко нейросеть натренируете на то, чтобы точно понимать, что у вас будет с нагрузкой в конкретный день, в зависимости от того, какая сейчас погода и так далее. При помощи нейросетей вы можете предсказывать, какая у вас будет нагрузка и планировать распределение электроэнергии и тому подобное.

Устойчивость сетей
В США был трашный блэкаут – лет пять назад или даже больше – когда, условно говоря, упавшее дерево привело к цепной реакции. Но если вашей энергосетью будет управлять нейросеть, натренированная на всякие ЧП, она сможет остановить катастрофу на ранней стадии, и это не приведет к цепной реакции, и никакой ни террорист, ни упавшее дерево не сможет нанести ущерб.

Благодаря работе нейросетей вы сможете понять, что произошло, еще до того, как вы отправите дрон обследовать ЛЭП, которая где-то упала. Нейросеть также скажет не только что произошло, но и где именно произошло и так далее и тому подобное.
Нейросети для обучения
Очень важная вещь, которую умеют очень хорошо делать нейросети – это работа с текстами и с голосом. Как ни странно, нейросети очень легко можно использовать для обучения. Очень простой пример: вы поступили на работу, учитесь, у вас есть какой-то хэндбук, справочное руководство пользователя, руководство по данным, по АЭС, по энергостанции – по чему угодно.

Сейчас уже существуют нейросети, которые позволяют загрузить в себя информацию. То есть вы загружаете в сеть книгу или инструкцию и потом простым человеческим языком спрашиваете: «Эй ты, нейросеть, что мне делать, если ... ? Что будет, если ... ?». И она отвечает совершенно адекватно, исходя из того текста, который в нее загружен. То есть если вы загрузили в нее Канта, конечно, она ничего не ответит, а если вы загрузили в нее справочник, то все будет хорошо. Эту технологию можно использовать и в обучении персонала, и в работе с оборудованием.

Та же самая история в общении с клиентами. Сейчас одно из самых распространенных направлений развития нейросетей — это чат-боты, то, что называется «Siri», «Алиса» и все остальное. Сейчас над ними принято смеяться, но, в принципе, они уже заменяют большую часть операторов колл-центров и даже выполняют работу лучше.
Главная вещь – это, конечно же, технологическая безопасность. В ней используется технология распознавания образов, которую нейросети сейчас делают гораздо лучше, чем вообще все люди. Речь не идет о том, что нейросеть может распознать породу собаки по фотографии в интернете лучше, чем собаковод.

Я говорю об атомных электростанциях. Вы отправляете в реакторную зону беспилотник, он отсматривает камерой стенку реактора и в режиме реального времени предупреждает об опасных трещинах, причем ловит все трещины и говорит: «Желтеньким – нормально, а красненьким – опасно». Та же самая методика сейчас разрабатывается для оценки состояния плотин гидроэлектростанций.

И последняя вещь. Естественно, все крупные энергетические системы – это объекты режимные, их нужно защищать от терроризма. Сейчас нейросети, натренированные на распознавание лиц и одновременно соединенные со всемирной базой лиц террористов, уже существуют, и даже у нас в аэропорту есть. Я только что летел из Красноярска – человека распознали в самолете. Он прошел паспортный контроль на посадку, но потом по записи его распознали в самолете, и на выходе уже ждали.

Так что нейросети сейчас используются абсолютно везде, и постепенно они превращаются в нормальный инструмент, которым стоит овладеть практически каждому.
Вопросы Алексею Паевскому

Вопрос: Какая архитектура лучше подходит для распознавания изображений?

А.П.: Сверточная нейросеть.

Вопрос: Какие самые сложные уравнения из известных человечеству может решать нейросеть? Каков предельный характер.

А.П.: По идее, на самом деле, любые. Я приведу очень хороший пример. Помните, Каспаров долго мучился, играл в шахматы с компьютером?

Сначала он выигрывал, потом проиграл, наконец, все выдохнули: «Хорошо, шахматы — игра простенькая, теперь пусть компьютер сразится в Го». То же самое: в какой-то момент компьютер преодолел чемпиона благодаря тому, что на него работала большая команда экспертов, которые продумывали алгоритмы, и, как они считали, создали алгоритмику невероятной сложности, которую просто дальше уже нет смысла развивать. Потом, спустя год, решили поразвлечься — за ночь написали очень простую нейросеть, дав ей возможность развиваться. Ей не стали загружать экспертный опыт, опыт прошлых партий и так далее, ей дали правила игры, и она сыграла с собой за ночь несколько миллионов матчей. И она вот тот алгоритм, который создавался 10 лет, вздула более тысячи раз, и после этого это избиение было остановлено. То есть нейросеть, развиваясь, может решать, на самом деле, уравнения и задачи любой сложности, если вы дадите ей достаточное время и корректно выстроите алгоритмы, по которым она будет совершенствоваться.
Другие лекции сессии «Энергия Сибири»
© 2017 En+ Group Ltd.
Образовательный проект. Проект группы компании En+ Group Ltd.