Эра цифровизации меняет бизнес-ландшафт, и цепочки поставок – одна из сфер, где новации внедряются в числе первых. Интерес к новым технологическим решениям подпитывает и тот факт, что логистика стала одной из отраслей, которые наиболее остро ощутили влияние экономических и геополитических проблем последних лет. На рынке, где ключевую роль все больше играют скорость реакции и точность решений, преимущество получат компании, которые уже сейчас адаптируются к "цифровой парадигме".

По данным глобальных исследований, 37% руководителей цепочек во всем мире применяют искусственный интеллект или собираются начать использовать его на горизонте ближайших двух лет. Такой пристальный интерес неудивителен: по данным той же статистики, потенциал повышения эффективности при применении ИИ составляет до 40%.

Однако в вопросах применения ИИ все еще много "белых пятен", касающихся задач, которые может или пока не может решить машинный ум, а также безопасности и этики его использования.

ИИ – что ты такое?

Искусственный интеллект (AI, ИИ) – одна из самых обсуждаемых тем 21 века. Кинематограф балует нас этой темой уже несколько десятилетий, однако всерьез технологию начали воспринимать только после ее победы над тогда еще действующим чемпионом мира по шахматам Гарри Каспаровым. Стало ясно, что проникновение ИИ в нашу повседневную жизнь - дело времени.

Согласно одному из популярных определений, интеллект – это возможность делать заключения, планировать, решать проблемы, абстрактно мыслить, понимать сложные идеи, учиться на основании опыта.

Соответственно, ИИ должен обладать всеми этими характеристиками. Основная методологическая проблема ИИ – невозможность проверить обладание этими характеристиками. Это происходит из-за отсутствия четких определений того, что значит, например, мыслить или понимать.

Алан Тьюринг в середине прошлого века предложил критерий, определяющий, удалось ли нам создать программу, которую можно будет назвать Искусственным Интеллектом или нет. По его предложению, достаточное условие – это невозможность определить, с кем ты осуществляешь коммуникацию: с ИИ или человеком. Однако этот критерий сформулирован недостаточно строго. И вряд ли он может быть сильно усовершенствован – не ясно, с каким человеком его сравнивать (IQ/образование/эрудиция/возраст), за какое время, каким словарным запасом он должен обладать, кто будет судьей и т.д.

Технологии ИИ

С точки зрения конкретных технологий ИИ использует различные математические инструменты, большинство из которых работают на основе самообучения.

То есть, в общем случае в математическую модель загружаются тренировочные данные, с помощью которых она предсказывает какое-то множество новых данных, после чего их качество оценивается одной из стандартных метрик. В соответствии с этой метрикой корректируются настройки основной модели данных, обеспечивая тем самым обратную связь, которая и позволяет достигать итеративного улучшения результатов.

К самообучающимся алгоритмам относятся разные типы ИИ, призванные решать разнообразные классы задач:

1. Машинное зрение – распознавание визуальной информации;
2. Распознавание речи – голосовое управление (Алиса, Сири и т.д.);
3. Large Language Model (LLM) – использование человеческого языка;
4. Самообучающиеся агенты – создание алгоритмов принятия решений без участия человека.

Текущий уровень развития ИИ

За тот миг, который в масштабах истории мира существует ИИ, уровень и скорость его развития уже сейчас кажутся ошеломительными. Мы стали свидетелями того, как компьютер, едва научившись чему-нибудь, за считанные месяцы превосходит лучших экспертов в этой области. Сначала это были операции с числами и хранение информации, затем шахматы и Го. В настоящее время ИИ пишет программный код, стихи, эссе, рисует картины и даже создает видео. Машинное зрение еще в прошлом десятилетии стало эффективней человека распознавать паттерны визуальной информации, звуковая информация будет следующей. Нужно ли говорить, что осваивая дополнительные каналы восприятия информации, ИИ получает доступ к все большим и большим запасам данных? А значит - способность учиться еще быстрее и качественнее.

Задачи ИИ в цепях поставок

Уже сейчас ясно, что области применения ИИ ничем не ограничены, кроме как фантазией тех, кто их разрабатывает (и то, пока ИИ не начал разрабатывать себя сам!). Давайте подумаем, на что мы можем рассчитывать в ближайшие годы с точки зрения применения этой технологии в цепях поставок.

В идеальной картине мира специалисты, которые управляют цепями поставок каждый день, хотели бы автоматизировать с помощью ИИ максимальный контур задач. С чем машинный разум уже неплохо справляется, а с чем - еще нет?

Оптимизационные задачи

Пока, как ни странно, ИИ не очень хорош в математике (не путать с алгоритмизированными расчетами с помощью математических методов – прогнозирования, моделирования и т.д). Лингвистические модели не могут формализовать даже самые простые задачи для их дальнейшего решения. Поэтому на данном этапе эволюции ИИ не ясно, сможет ли машинный разум успешно решать оптимизационные задачи, например, задачу коммивояжера, календаризации или сетевой оптимизации. Эта область пока кажется краеугольной в части прорыва ИИ на математической ниве.

Распознавание окружающей обстановки и речи

Машинное зрение является ключевым механизмом роботизации производств. Распознание окружающей обстановки делает возможным доставку с использованием беспилотных грузовиков и шаттлов внутри логистических комплексов. Также становится возможной масса внутри- и околоскладских операций, таких как распознавание номеров автомобилей, лиц сотрудников склада, штрихкодов, проведение автоматизированной инвентаризации склада, оценки количества и качества принимаемого товара. Более того - даже оценки уровня усталости персонала и выявления возможных проблем со здоровьем. Однако здесь есть одно существенное замечание: роботы — это устройства выполняющие механические операции по заранее заложенному алгоритму и, строго говоря, к ИИ они не имеют прямого отношения.

Технология распознавания речи также нашла применение в логистике, например, при организации голосового управления складом. Голосовые команды открыли возможность освободить руки и глаза операторов складов при работе с терминалом. Он может, например, назвать последние 4 цифры штрих-кода, чтобы убедиться, что взял правильный товар, не используя сканер или не вводя штрих-код вручную.

Коммуникации в цепочках поставок

Что касается языковых моделей (LLM), тут за последние пару лет ИИ вышел на принципиально новый уровень. И пусть пока все еще существенной оказывается вероятность ошибок при ответе на запрос пользователя, в целом мы уже близки к тому, чтобы ИИ понимал, что мы от него хотим, основываясь только на анализе совершенно произвольных запросов. А поскольку ответом на текстовые запросы является также текст, это открывает поистине чудовищных размеров перспективы для того, чтобы несколько агентов ИИ могли договариваться между собой. Кто-то может сказать: "И что в этом такого?" А вот что: коммуникации — это одно из самых узких звеньев в управлении цепями поставок.

Дело в том, что человек может договариваться об очень ограниченном количестве вопросов, да еще и делает это в соответствии с собственными интересами и ограничениями. Как часто во время спора вам бы хотелось получать мгновенно информацию из интернета или какого-либо другого источника (например, учетной системы компании), чтобы тут же использовать ее для защиты определенной точки зрения? Это легко может быть доступно ИИ. Давайте разберем пару примеров для наглядности.

1) Представьте, что два транспортных средства под управлением ИИ попадают в потенциально аварийную ситуацию (т.е. оценивают обстановку таким образом, что, если не предпринять каких-либо действий, через 2 секунды произойдет столкновение). 2 секунды — это очень немного для человека, но это вечность для электроники, у которой сигнал распространяется со скоростью света. Поэтому вместо того, чтобы поступать по-человечески, то есть, основываясь на предыдущем опыте, выкручивать в сторону руль и молиться, чтобы водитель другого ТС не вывернул руль туда же, два алгоритма успеют рассмотреть и обсудить все возможные варианты развития событий и взвесить потенциальный урон, который может быть причинен участникам движения, окружающим людям и предметам. Тут возникают морально-этические ограничения, связанные с выбором ИИ, но это тема отдельной дискуссии.

2) На складе розничной компании возникает дефицит продукции, которую необходимо отгрузить в несколько магазинов до следующей партии от поставщика. Текущие системы пополнения магазинов обычно очень просто решают эти проблемы:

• товар достается тому, кто первый заказал,
• товар достается тому, кто первый стоит в очереди на погрузку,
• товар достается тому, кто имеет повышенный приоритет в системе пополнения.

ИИ сможет за считанные секунды разрешить конфликт между агентами транзакции (складом и конкурирующими магазинами), приняв во внимание множество факторов:

• текущие остатки в магазинах,
• товары-аналоги, их наличие в магазинах и на складе,
• чистую прибыль от продажи товаров и их аналогов в разных магазинах,
• дополнительное место в кузове,
• возможность заказа дополнительных объемов у поставщика и ее ближайшая дата и т.д.

Все это позволит минимизировать ущерб от дефицита товара и распределить его остатки на складе наиболее эффективным образом. При этом, подобные задачи решались бы достаточно продолжительное время при участии людей и потребовали целой армии специалистов для большого склада.

На каждом эшелоне цепи поставок существует огромное количество взаимодействующих сторон (агентов), которые распоряжаются разными ресурсами и отвечают за планирование и выполнение конкретных операций. Очевидно, что часть этих задач в ближайшем будущем сможет решаться ИИ, а людей заменят самообучающиеся агенты.

Этика искусственного интеллекта

Однако остаются два ключевых вопроса, на которые пока у человечества нет ответа и даже очевидных путей его поиска:

1) Кто несет ответственность за действия ИИ? Разработчик? Пользователь? Генеральный директор компании?

2) Как принимать решения, касающиеся неизбежного нанесения ущерба жизни и здоровью людей?

Иначе говоря, морально-этическая база ИИ еще не разработана. Но факт, что нам с вами повезло стать свидетелями эпохи становления компьютерного разума. Главное, чтобы этот "пришелец" однажды не решил, что он является отдельной формой жизни, существованию которой человечество только мешает…