Dirbtinis intelektas – ne naujiena. Net bendrovės atstovai pripažįsta, kad šiandien jis gali „sėkmingai sudaryti išplėstinius ir ilgalaikius transporto grafikus“.
Algoritmai veikia greitai, nedaro klaidų ir nuolat koreguoja pradines prielaidas, pvz., atsižvelgdami į esamą situaciją kelyje arba pagal atskirų vairuotojų darbo laiką. “Tai suteikia begalinį potencialą kelių lygių transporto procesų optimizavimui”, – tvirtina Grzegorzas Borowiczius, „Omega Pilzno“ generalinis direktorius.
Nepaisant to, bendrovė beveik penkerius metus ieškojo sprendimo, kuris supaprastintų planuotojų darbą. Vaizdžiai tariant, jie kasdieniame darbe sujungia du duomenų rinkinius – iš vienos pusės, informaciją apie turimas transporto priemones ir vairuotojus, o iš kitos – apie užsakymus.
“Per mėnesį turime kelis tūkstančius užsakymų. Keliolika asmenų šiuos vežimus turi derinti su transporto priemonėmis, atsižvelgiant į vairuotojo pageidavimus ir darbo laiką, informaciją apie patį užsakymą, esamą situaciją keliuose bei ypatingus įvykius, tokius kaip eismo apribojimai. Ir visa tai dar turi būti optimalu sąnaudų atžvilgiu”, – interviu Trans.INFO aiškina Bartłomiejus Martyka, dirbtinio intelekto projektų vadovas „Omega Pilzno“ įmonėje.
Papildomas iššūkis yra tada, kai dėl avarinės padėties vienas iš „šios dėlionės gabalėlių iškrenta“. “Dėl to, kad, pavyzdžiui, vairuotojas susirgo arba kelyje įvyko avarija. Tuomet planuotojas turi greitai surasti sprendimą. Būtent čia matome didžiausią dirbtinio intelekto potencialą”, – pridūrė jis.
Šimtus skirtingų užsakymų derinimas su šimtais transporto priemonių reikalauja daug darbo, kuris atima brangų laiką. “Dirbtiniam intelektui tai užima kelias sekundes, be to, jis gali nuolat stebėti visus pervežimus vienu metu, kad nuolat aptiktų bet kokias problemas”, – sakė Adrianas Mirowskis, „Snarto“ įmonės, kuri sukūrė šiuo metu bandomą sprendimą, valdybos pirmininkas.
„Omega Pilzno” nuotr.
Palaikymas duomenimis
Šiuo metu planuotojai ir dirbtinis intelektas tuo pačiu metu atlieka tas pačias užduotis. Darbo rezultatai bus lyginami, o tai aiškiai parodys situacijas, kai dirbtinis intelektas siūlo kitokius sprendimus nei darbuotojai. Taip pat bus ieškoma tokios padėties priežasčių.
“Pirmąsias išvadas galima padaryti jau po pirmos savaitės, tačiau tyrimai truks mažiausiai mėnesį. Reikia laiko, kad dirbtinis intelektas galėtų viską išmokti. O jis mokosi iš žmonių, todėl šiuo metu būtina nuolatinė žmogaus priežiūra”, – aiškino B. Martyka.
Algoritmas visada pasiūlys vieną geriausią, jo nuomone, sprendimą. Tačiau už jo pasirinkimą atsakingas yra planuotojas. Jei jis nesutinka su siūlomu sprendimu, jis jį atmes. Tada dirbtinis intelektas suras kitą.
Neatitikimai galimi atsirasti tuo atveju, jei dirbtinis intelektas neturi tam tikros informacijos, kurią turi planuotojas.
“Jei nepateiksime informacijos, kad vienas iš mūsų vairuotojų neturi paso, dirbtinis intelektas galės paskirti jį vežti į Angliją. Tuo tarpu be tokio dokumento sienos kirsti negalima. Todėl planuotojas atmes siūlymą šį vairuotoją siųsti į maršrutą. Mes testavimo etape išsiaiškinsime kokią papildomą tokio tipo informaciją reikia įvesti, kad ateityje tokių klaidų būtų išvengta” – paaiškino projekto vadovas.
Pagrindiniai tikslai
„Omega Pilzno“ teigia, kad pagrindiniai naujojo sprendimo tikslai yra „savalaikiškumo tobulinimas“ ir „tuščių reisų mažinimas“.
“Visa tai dėl dirbtinio intelekto variklio pranašumo, palyginti su planuotojais. Be tokio algoritmo kažkas 12 valandų anksčiau gali nesuprasti, kad jau vėluoja. Kai įrankis praneša planuotojui, kad kils problemų dėl savalaikiškumo, planuotojas gali paprašyti greitai rasti sprendimą. Šiandien tai daro patys darbuotojai, tačiau pripažinkime, labai sunku nuolat sekti informaciją apie transporto priemonės buvimo vietą, apie kliūtis maršrute ir dinamiškai reaguoti į pokyčius“, – paaiškino B. Martyka.
“Visa tai bus glaudžiai susiję ir su tuščių kilometrų mažinimu”, – pridūrė jis.
DI trūkumai
Investicijos į dirbtinį intelektą naudojančius įrankius nestebina. „McKinsey Global Institute“ atliktas tyrimas rodo, kad „įmonės, kurios anksti taiko dirbtinio intelekto technologijas, gali padvigubinti savo pinigų srautus, o vėluojančiųjų atveju pinigų srautai sumažės apie 20 proc., palyginti su šiandienos lygiu“, – rašo bito.com.
Transporto sektorius, kaip ir kitos pramonės šakos, daug dėmesio skiria turimiems duomenims ir sistemingam jų rinkimo būdui. Jau kurį laiką stebime „data driven“ tendenciją, kai verslo sprendimai priimami remiantis duomenimis, o ne emocijomis“, – pasakė B. Martyka.
Žinoma, yra ir kliūčių, nors bėgant metams jų analizavimas kinta. Dar 2017 metais portale bito.com aptariamas „McKinsey“ tyrimas parodė, kad didžiausios kliūtys, trukdančios investuoti į skaitmenines technologijas, yra:
- duomenų apsaugos reikalavimai (79 proc. apklaustųjų),
- techniniai saugumo reikalavimai (63 proc.),
- kvalifikuotų darbuotojų trūkumas (55 proc.).
Praėjus dvejiems metams, įmonių atstovai vis dar skundžiasi panašiomis problemomis, tačiau jų procentinė dalis sumažėjo – pavyzdžiui, esant darbuotojų trūkumui – iki 48 proc.
Tikimasi, kad dabar situacija atrodys dar kitaip.
„Omega Pilzno” nuotr.
Projekto vadovo nuomone, pagrindinė kliūtis šiandieniniam DI naudojimui yra duomenų kokybė arba jų trūkumas.
“Nebijau dėl vidinių duomenų bazių, o dėl įrenginių, kurie duomenis teikia iš išorės. Pavyzdžiui, telematikos sistemos veikiančios sunkvežimiuose. Jei jos nors akimirką nustos veikti, dirbtinis intelektas nežinos, kiek darbo laiko liko vairuotojui ar kokioje vietoje yra sunkvežimis. Taigi tai bus nenaudinga”, – aiškina B. Martyka.
Ir tokių situacijų pasitaikys.
“Iškyla techninių problemų, pavyzdžiui, kai trūksta ryšio, kad būtų galima atsisiųsti duomenis iš vairuotojo naudojamų įrenginių. Atrodo, kad tai vienintelis dalykas, kurio šiandien bijau. Privalome turėti omenyje, kad atsiras duomenų spragų. Turime 700 transporto priemonių, tai gyvas organizmas ir gali atsitikti taip, kad kurį laiką kažkas gali neveikti”, – apibendrino jis.