Логистика: миссия – сдержать цены
Логистика и транспорт – сферы, которые, как и банки и телекомы, находятся на переднем крае внедрения больших данных. Благодаря геолокации компании-перевозчики уже сейчас видят в реальном времени полную картину буквально по каждой машине: где она находится в каждый конкретный момент и даже общий вес товаров в машине и их сумму.
Аналогичные системы действуют и для других видов транспорта. Но специалисты ждут, что большие данные помогут в будущем еще сильнее оптимизировать перевозки. Так, ЮНКТАД недавно выпустила доклад «Навигация в будущее», где объясняет, как интеграция данных автоматизированных информационных систем с передовыми технологиями преобразует морскую отрасль и решит ее ключевые проблемы – – в первую очередь это рост стоимости фрахта из-за удлинения морских путей. Внутренние системы связи на судах уже собирают данные о расходе топлива, загрузке судна и т. д. В будущем суда будут использовать сети 5G/6G, дальние HF/VHF-каналы связи и БПЛА для улучшения связи между судами и берегом. ЮНКТАД уверена, что это позволит сделать ставки фрахта конкурентоспособными и гибкими. Это крайне важно для всех людей без исключения, так как транспортные расходы составляют значительную часть в итоговой цене товаров, а значит, влияют напрямую на экономику и наше благосостояние. Любые методы, которые позволят сдержать транспортные расходы, пойдут обществу на пользу.
Видео повсюду
Еще одна сфера, где применение больших данных дает колоссальные эффекты, – транспорт общественный. Применять аналитику на основе big data в крупных мегаполисах начали около 10 лет назад, первые эффекты появились довольно быстро, и теперь крупные города по всему миру, от Москвы и Токио до Мехико и Бангкока, анализируют потоки частного и общественного транспорта и оптимизируют их.
Новые перспективы открываются по мере оснащения все большего числа современных автомобилей выходом в интернет. Это позволяет создать специальную систему безопасности на дорогах V2X – vehicle-to-everything, она собирает данные о других машинах и пешеходах. В крупных городах V2X используются, чтобы упростить движение общественному транспорту и машинам экстренных служб, подсказать частным автомобилям необходимость объезда ДТП или перекрытия дороги и т. д.
Так, в Перми системой V2X оборудовали городские трамваи и несколько ключевых перекрестков: при приближении трамваев светофор автоматически определяет, что это за маршруты и соблюдают ли они график, в случае отставания трамвая от графика зеленый для него горит дольше либо быстрее включается, чтобы он мог ехать быстрее.
Важнейший элемент в таком управлении транспортными системами – сеть видеокамер. В России в рамках программы «Безопасный город» уже установлено более 1 млн камер видеонаблюдения, все они распознают номера автомобилей, и каждая третья из них подключена к системе распознавания лиц.
Но видеокамеры дают массив важных данных не только для управления транспортом, но и для полиции и даже… для налоговой службы. Так, в Москве за 10 лет развития системы «Безопасный город» количество зарегистрированных преступлений уличной преступности сократилось вдвое, число угонов – в 10 раз. Выросла и раскрываемость преступлений.
Что же касается налоговой, то аналитики службы успешно используют данные с видеокамер, а также из транспортных систем – например, об оплате парковок и штрафов, – чтобы выявить истинных владельцев и связи того или иного бизнеса: это помогает пресечь уход от налогов.
В будущем наши города будут наполняться не только видеокамерами, но и разного рода датчиками, что сделает их еще более комфортными для жизни, обещают ученые.
«Цифровизация в будущем затронет буквально все сферы городского хозяйства, – рассказывает Константин Трофименко, директор Центра исследований Умного города ФГРР НИУ ВШЭ. – Везде – условно говоря, на каждом мусорном баке – будут стоять датчики, фиксирующие заполнение этого бака, потребление ресурсов, передвижение транспорта, работы ЖКХ, городской энергетики и т. д. Город будет собирать данные обо всех процессах, которые в нем происходят. Это сделает процессы прозрачными, а город сможет обрабатывать полученные массивы данных, просчитывая, к примеру, грузовые и пассажирские транспортные потоки. Уже сейчас в столице тестируются беспилотные трамваи и автобусы, они, в свою очередь, станут носителями датчиков, которые не только собирают, но и передают данные, что будет использоваться в городской системе управления трафиком».
Обработка собранных данных с помощью ИИ, скорее всего, позволит выявить закономерности, которые сейчас нам неочевидны, и гораздо глубже понять функционирование городского хозяйства, продолжает Константин Трофименко.
Следующий важный момент, по его словам, повышение качества анализа собираемых данных. «Уже сейчас такой анализ данных, собранных видеокамерами, позволяет распознавать некоторые типы нарушений, а будет распознавать все типы. Более того, распознавание сможет вестись в режиме реального времени, то есть речь будет уже идти в некотором роде о профилактике нарушений. И это вопрос даже не 5–10 лет, а гораздо более близкого будущего», – резюмирует ученый.
Медицина: открытия впереди
В ближайшее время в мире появится новый пласт данных – так называемые bio data: сведения о том, как функционирует организм человека. Первые ласточки – данные о физической активности и сне, которые сейчас собирают умные часы и фитнес-трекеры. Считается, что скоро повсеместно появятся устройства, которые будут собирать информацию об уровне холестерина, содержании различных веществ в крови и т. д., постоянно мониторя до 50 показателей.
В больших массивах таких данных могут скрываться совершенно новые открытия, которые раньше просто нельзя было сделать, так как масштабные исследования воздействия того или иного фактора на организм – дело сложное и дорогое.
Но ученые пока охлаждают всеобщий энтузиазм. «Подобные устройства, собирающие данные, существовали и лет 10–15 назад, и с технической точки зрения, безусловно, отработка технологий позволяет сегодня создать подобный контур. Однако дальше начинаются вопросы, – рассказывают заведующий лабораторией анализа показателей здоровья населения и цифровизации здравоохранения МФТИ Станислав Отставнов и научный сотрудник МФТИ Давид Наимзада. – Дешевые датчики и плохие программные средства с высоким количеством ложноположительных срабатываний создадут высокую нагрузку на ресурсы системы здравоохранения, бюджет, даже дорожную сеть (речь об автоматическом вызове скорой помощи, если условные умные часы показали резкое ухудшение показателей. – Прим. ред.). С другой стороны, качественное и надежное оборудование не может стоить дешево. Это логика чиновника, принимающего решение, вполне обоснованный ход сомнений. Логика юриста – кто понесет ответственность за ошибки (ложное срабатывание, ложное несрабатывание) подобного устройства?»
Сдерживание внедрения подобных технологий в контур системы оказания медицинской помощи, по словам ученых, сдерживается не на техническом уровне, а на уровне организации – ведь нужно преобразовывать всю систему, по факту “ломать” старую так, чтоб она до последнего дня существования, замены, еще при этом обеспечивала качественное оказание медицинской помощи), экономики (вопросы финансирования новых технологий оказания медицинской помощи специфичны), права.
«Да и упоминаемые “50 показателей” – по большей части маркетинговая уловка: большинство из них – производные и расчетные от данных с буквально нескольких датчиков. В конце концов, полноценную электрокардиограмму не получить без доступа к нескольким разнесенным друг от друга точкам тела, – говорит Станислав Оставнов. – С другой стороны, когда первые космонавты штурмовали околоземную орбиту, телемедицинские устройства обеспечивали эти полеты, а это было полвека назад, при других вычислительных мощностях, без глобального охвата вышками связи».
По словам ученых из МФТИ, вопрос должен ставиться иначе. «Роль устройств, собирающих данные, должна заключаться не в вызове скорой помощи в случае инсульта, а в сборе данных, прогнозировании рисков, выдачи рекомендаций по их снижению, – объясняют в МФТИ. – Именно в работе с факторами риска, с корректировкой поведения видится значительный потенциал для изменений. Именно здесь может показать удивительные результаты использование больших данных, когда новые суждения появляются не из переноса фундаментальных знаний о работе органов и тканей на текущую ситуацию, а из колоссального количества реальных наблюдений».
«Носимые устройства, которых сейчас множество на рынке, все чаще используются людьми для отслеживания собственного здоровья и физической активности, а также врачами для удаленного наблюдения за пациентами, – говорит Александр Гусев, директор по развитию компании Webiomed (разрабатывает платформу для прогнозирования заболеваний). – Это удобно, и, безусловно, будет все больше и больше способствовать профилактике многих заболеваний, позволяя вовремя отслеживать выходящие за рамки нормы показателей. Но для точной интерпретации таких данных необходимо регулярное медицинское наблюдение и консультация специалистов. Удаленный мониторинг служит на текущий момент лишь инструментом для сбора информации и предупреждения о возможных проблемах со здоровьем. Важным аспектом также является точность измерения различных показателей здоровья, таких как пульс, уровень кислорода в крови, артериальное давление и т. д. в конкретном гаджете. То есть умные устройства должны быть не только эстетически привлекательными, но и технически эффективными и безопасными, особенно если они используют ИИ-технологии. В наших руках очень перспективный инструмент, и думаю, что в ближайшие годы носимые устройства начнут активно использовать в качестве персональных медицинских помощников для дистанционного отслеживания основных показателей здоровья, например для пациентов с хроническими заболеваниями». Специалист убежден: рынок носимых устройств, включая медицинские, скоро по размерам превысит рынок медицинского оборудования. Есть прогноз, что через 10–15 лет основными медицинскими устройствами станут часы, смартфоны и домашние колонки, а не томографы или что-то в этом роде.
Другое направление использования больших данных в медицине – более эффективная организация систем здравоохранения, сопряженная опять же с исследовательской работой. Широко известен пример Корейской национальной базы данных медицинской информации – в ней собраны все данные об обращениях к врачам, анализах и лечении с 2002 года от корейской Национальной службы медицинского страхования. Сейчас эта база является общедоступной, и на ее основе проводится множество исследований, особенно в области диабета и метаболизма, а также создаются самые разнообразные цифровые платформы.
В Москве большие медицинские данные собираются и анализируются в системе ЕМИАС. Так, Станислав Отставнов напоминает о московском эксперименте по внедрению компьютерного зрения в лучевую диагностику, который стартовал в 2020 году. С тех пор уже и иные технологии ИИ находили свое применение: в частности, технологии распознавания голоса внедрены для подготовки протоколов рентгенологических и ультразвуковых исследований. «Если раньше мы приходили в поликлинику, нам выполняли обследование (это делал рентген-лаборант), а дальше спустя какое-то время врач описывал изображение (возможно, усталый, под конец смены, возможно, по тем или иным причинам недостаточно квалифицированный), то совершенствование инфраструктуры сбора (получение цифровых изображений) и передачи информации позволило сделать так, что сегодня мы приходим в поликлинику, рентген-лаборант проводит процедуру “съемки”, а далее наш снимок поступает для анализа специалистам дежурной смены референс-центра, созданного на базе центра диагностики и телемедицины ДЗМ (до 2018 года – центр рентгенорадиологии), но у специалистов есть возможность видеть и исходное изображение, и изображение, уже прошедшее через сервис на основе технологий ИИ, где будут отмаркированы находки сервиса, – рассказывает ученый. – Возможно, для человека повышение качества диагностики не столь видно. На уровне организации системы оказания медицинской помощи это более заметно, так как меньше ошибочных диагнозов, меньше необходимости перелечивать».
Еще один пример результата работы с большими данными, который приводят в МФТИ, – так называемые полигеномные исследования, охватывающие большое количество генов конкретного пациента, и интерпретирующие не столько наличие конкретных мутаций или вариантов, сколько их взаимодействие. Такие исследования базируются на результатах вычислительно сложных исследований. «Их внедрение в регулярную клиническую практику, как мне кажется, уже не за горами; и их результаты позволяют эффективно предотвращать развитие многих распространенных и социально значимых заболеваний», – говорит Станислав Оставнов.
Так что, похоже, совсем скоро мы ощутим кардинальные изменения – и все благодаря большим данным.
Изображение на обложке сгенерировано с помощью нейросети Midjourney