«Открытые технологии»: от суперкомпьютеров к «умным» платформам
«Открытые технологии»: от суперкомпьютеров к «умным» платформам

Сергей Калин: «Вместе со страной мы пережили взлеты и падения, кризисы и периоды процветания»


09:35 01.10.2019  (обновлено: 00:19 07.10.2019)   |  Дмитрий Волков |  «Открытые системы»

Рубрика Индустрия |   1363 прочтения



Компания отметила 25-летний юбилей подведением итогов и анонсом универсальной платформы машинного обучения.

Компания «Открытые технологии» отметила четверть века работы на отечественном рынке высоких технологий.

«Вместе со страной мы пережили взлеты и падения, кризисы и периоды процветания, начав с партнерства с Cray Research и предлагая сейчас универсальную открытую платформу, позволяющую методами машинного обучения решать задачи в различных отраслях экономики», — отметил Сергей Калин, президент компании. Сегодня, по словам ее генерального директора Олега Гизатуллина, «Открытые технологии» – это почти 500 сотрудников, более 5 тыс. заказчиков и около 55 тыс. реализованных проектов; среди недавних — система безопасности на ЧМ-2018, служба «112» для ДИТ Москвы, проекты для «Гринатома», «Гознака».

Оборот компании ежегодно растет на 23% и в 2018 году составил 7 млрд руб.

Павел Волков, директор центра компетенций компании, рассказал о текущих и будущих разработках, в частности объявил о выходе «ОТ.Платформы», предназначенной для оцифровки экспертного опыта в таких разных областях, как ТЭК, ретейл, медицина, образование, промышленность и т. п.

«Обычно применительно к задачам машинного обучения все на одинаковом технологическом стеке делают свой велосипед. 'ОТ.Платформа' – это попытка предложить свое, но открытое и универсальное для всех отраслей решение», — отметил Волков. Основу платформы составляют популярные технологии: Nifi, Hadoop, ClusterFS, Spark, Splunk, Superset и Apache Zeppelin, но главное – это язык высокого уровня OT.SMaLL (Simple Machine Learning language), разработанный в самих «Открытых технологиях».

Язык извлечения знаний доступен для освоения любому специалисту в прикладной области, не обладающему навыками программирования, и позволяет описать бизнес-идею. По сути, благодаря OT.SMaLL отраслевые эксперты получают инструмент для работы с конвейером машинного обучения, дающий возможность создать приложение для извлечения знаний, исключив рутинные операции. При этом участие экспертов устраняет главный фактор, сдерживающий широкое применение методов машинного обучения, – неготовность потребителей к восприятию результатов.

Как полагает Волков, эффективному применению методов машинного обучения мешают как избыточные ожидания, так и отсутствие доверия к результатам, полученным «таинственным образом» некими чудо-исследователями данных, окутанными завесой магии и обещающими решить любую задачу.

«ОТ.Платформа» позволяет наряду с методами классического машинного обучения задействовать и современные подходы к использованию искусственных нейронных сетей. При этом основным критерием применения создаваемых моделей является их интерпретируемость – возможность прямого влияния эксперта в предметной области на работу модели. Среди задач платформы – создание открытого набора продуктов для максимальной цифровизации опыта, накопленного предприятиями реального сектора экономики, консолидация и сохранение знаний ныне работающих специалистов для обеспечения преемственности, а также проверка качества данных, используемых для моделей машинного обучения.

Один из примеров использования платформы – решение ATLAS, позволяющее с помощью технологий искусственного интеллекта в реальном времени анализировать состояние подключенного оборудования, обрабатывать данные от многочисленных промышленных датчиков и формировать возможные сценарии возникновения и предотвращения техногенных сбоев. Данное решение может применяться в системе коллективной безопасности крупных отечественных промышленных и энергетических компаний: опыт одной компании, подключенной к такой системе, может использоваться другими ее участниками, чтобы не допустить повторения сбоя, произошедшего в одной из организаций. Кроме того, ATLAS позволяет минимизировать затраты на плановые ремонты и прогнозировать отказы оборудования, что позволит избежать техногенных аварий и оптимизировать проведение ремонтных работ.


Теги: Искусственный интеллект Открытые технологии Машинное обучение


На ту же тему: