10.07.2026 08:00
ИИ на страже атмосферы: как российские компании снижают выбросы с помощью технологий Иван Лапшин, директор программ цен
ИИ на страже атмосферы: как российские компании снижают выбросы с помощью технологий
Иван Лапшин, директор программ центра «Цифровая школа госуправления» Президентской академии:
На промпредприятиях сейчас меняется не сам факт измерения воздуха — датчики и раньше были, — а логика работы. Раньше предприятие чаще фиксировало уже случившееся превышение, тогда как теперь задача — заранее понять, где и при каких условиях оно может возникнуть.
С точностью моделей искусственного интеллекта стоит быть аккуратнее. Не существует универсальной цифры, что такая система всегда на 30 процентов лучше классических методов: на одном предприятии она даст заметный эффект, на другом останется лишь надстройкой над некачественными данными,
— рассказывает эксперт.
Но производство редко бывает таким предсказуемым: пуски, остановки, смена сырья, температурные инверсии, отклонения в работе фильтров
В этих условиях искусственный интеллект полезен тем, что учитывает не одну причину, а их комбинацию. При этом на практике важнее не заявленная точность, а понятные прикладные метрики: сколько превышений система пропустила, сколько дала ложных тревог и за какое время до события предупредила технолога,
— дополняет Иван Лапшин.
Артем Чаленко, эксперт по ИИ центра «Цифровая школа госуправления» Президентской академии:
Открытых данных в России достаточно, чтобы делать исследования и опытные проекты. Но их недостаточно, чтобы обучить сильную модель под конкретный завод.
Главная проблема не в том, что данных нет вообще. Они есть, но лежат в разных местах: производство отдельно, экологи отдельно, метеорология отдельно, лаборатория отдельно.
@ranepa_official
Иван Лапшин, директор программ центра «Цифровая школа госуправления» Президентской академии:
На промпредприятиях сейчас меняется не сам факт измерения воздуха — датчики и раньше были, — а логика работы. Раньше предприятие чаще фиксировало уже случившееся превышение, тогда как теперь задача — заранее понять, где и при каких условиях оно может возникнуть.
С точностью моделей искусственного интеллекта стоит быть аккуратнее. Не существует универсальной цифры, что такая система всегда на 30 процентов лучше классических методов: на одном предприятии она даст заметный эффект, на другом останется лишь надстройкой над некачественными данными,
— рассказывает эксперт.
Но производство редко бывает таким предсказуемым: пуски, остановки, смена сырья, температурные инверсии, отклонения в работе фильтров
В этих условиях искусственный интеллект полезен тем, что учитывает не одну причину, а их комбинацию. При этом на практике важнее не заявленная точность, а понятные прикладные метрики: сколько превышений система пропустила, сколько дала ложных тревог и за какое время до события предупредила технолога,
— дополняет Иван Лапшин.
Артем Чаленко, эксперт по ИИ центра «Цифровая школа госуправления» Президентской академии:
Открытых данных в России достаточно, чтобы делать исследования и опытные проекты. Но их недостаточно, чтобы обучить сильную модель под конкретный завод.
Главная проблема не в том, что данных нет вообще. Они есть, но лежат в разных местах: производство отдельно, экологи отдельно, метеорология отдельно, лаборатория отдельно.
@ranepa_official