7 Области применения Искусственного Интеллекта — Энергетический сектор, умный дом, мобильность и транспорт
Аннотация
В этой главе вы узнаете, что успех умных энергосетей и проникновение умных счетчиков зависят от безопасности этих сетей. Развитие умных домов может привести к разработке новых бизнес-моделей. Автономные транспортные средства, использующие Искусственный Интеллект, обладают потенциалом значительного снижения заторов и аварий, вызванных человеческими ошибками. В дополнение к оптимизации наземных логистических цепочек, воздушное пространство станет все более важным для логистических задач. Существующая логистическая инфраструктура может использоваться более эффективно, значительно снижая потребление ресурсов и выбросы.
7.1 Приложения ИИ в энергетическом секторе
Искусственный Интеллект широко используется в энергетическом секторе. Интеллектуальные энергосети могут повысить безопасность поставок и идеально привести к снижению затрат. Приложения ИИ вносят вклад на каждом этапе цепочки создания стоимости: от выработки энергии до передачи энергии конечному потребителю. Особенно важной областью является прогнозирование спроса и предложения. Здесь возможность достижения оптимального баланса становится все более сложной из-за растущего использования децентрализованных, возобновляемых источников энергии. Наконец, волатильность выработки энергии возрастает с увеличением количества и вариативности независимо работающих источников энергии. Это создает серьезные проблемы для управления сетью, если необходимо избежать сбоев в сети (ср. Liggesmeyer, Rombach, & Bomarius, 2018).
В большинстве стран уже идет модернизация сетей и использование умных счетчиков для достижения более динамичного соответствия между спросом и предложением. Искусственный Интеллект позволяет поставщикам лучше прогнозировать и оптимизировать распределение нагрузки. Инициативы умных сетей позволяют небольшим, частным производителям энергии (включая индивидуальные домохозяйства) продавать избыточную мощность региональным поставщикам энергии.
В США более 9 миллиардов долларов США из государственных и частных средств было инвестировано в интеллектуальную сетевую инфраструктуру с 2010 года. Европа, Швеция и Италия заменили почти все счетчики на умные. В перспективе европейские страны смогут завершить переход в течение десяти лет, если будут управляться соответствующие риски безопасности. Уже в 2011 году Китайская государственная электросетевая корпорация объявила о планах инвестировать 45 миллиардов долларов США в интеллектуальные сетевые технологии. Еще 45 миллиардов долларов США должны быть инвестированы в период с 2016 по 2020 год (ср. McKinsey, 2017, с. 47f.).
DeepMind, стартап ИИ, приобретенный Google, работает с National Grid в Великобритании над прогнозированием пиков спроса и предложения. Для этой цели в качестве экзогенных входных данных используются связанные с погодой переменные и умные счетчики. Цель состоит в снижении национального потребления энергии на 10% и оптимизации использования возобновляемой энергии (ср. McKinsey, 2017, с. 47).
Системы на основе ИИ также могут помочь коммунальным службам оценить надежность небольших поставщиков (например, частных домохозяйств с солнечными установками). Для этого может быть предсказан срок службы и возможность интеграции установленных там систем. Энергосеть может развиться в рынок, где, помимо традиционных производителей электроэнергии, большое количество мелких игроков также предлагает электроэнергию из различных источников (например, автомобильные аккумуляторы, солнечные батареи на крыше). Интеллектуальное управление сетью поможет интегрировать это большое количество мини-поставщиков таким образом, чтобы пики спроса и предложения можно было лучше управлять с помощью интеллектуальных концепций хранения. В энергетическом секторе могут произойти следующие события в наилучшем сценарии (ср. McKinsey, 2017, с. 47−51).
• Большой объем данных собирается с помощью датчиков и оценивается с использованием алгоритмов ИИ. Полученные знания позволяют повысить эффективность выработки энергии путем оптимальной адаптации генерирующих установок к соответствующим ветровым и солнечным условиям.
• Прогнозы с поддержкой ИИ позволяют предвидеть пики спроса и предложения. Это оптимизирует энергетический баланс из различных источников энергии.
• Обработка данных с умных счетчиков с поддержкой ИИ позволяет осуществлять энергоснабжение на основе индивидуальных привычек использования, местных погодных условий и других факторов.
• Умные провода в сочетании с приложениями ИИ поддерживают интеллектуальное энергоснабжение. Это позволяет оптимизировать использование сети и поддерживать безопасность поставок на высоком уровне.
• Полевой персонал поставщиков энергии получает обновления в реальном времени о технических проблемах на установках. Это может сократить время реакции и предотвратить или сократить отключения электроэнергии (ключевое слово: предиктивное техническое обслуживание; ср. разд. 5.3).
• Дроны и роботы размером с насекомых выявляют дефекты и осматривают системы без прерывания производства.
• В целом, задействовано меньше техников. В то же время они больше сосредоточены на упреждающем решении проблем и меньше на ручной записи текущего состояния. Документы также автоматически создаются, оцениваются и пересылаются целенаправленно.
• Виртуальные агенты используются в автоматизированных колл-центрах поставщиков энергии. Системы CRM на основе ИИ классифицируют входящие запросы в соответствии с их историей обслуживания и поддерживают прогнозирование плохих долгов и разрешение технических проблем.
Эти положительные эффекты проявятся только в том случае, если сети будут (могут быть) всесторонне защищены от хакерских атак. Потому что чем "умнее" становятся сети, тем больше единиц к ним подключено, тем больше (также неконтролируемых) входных каналов для компьютерных вирусов будет. Здесь кибербезопасность должна действовать более дальновидно, чем хакерские армии, чтобы предотвратить погружение целых регионов или стран во тьму и застой.
Совет по художественному чтению
Если вы хотите получить представление о том, что происходит при взломе умной сети, мы рекомендуем прочитать книгу Марка Эльсберга "Blackout". Стимулирующее и захватывающее развлечение на высшем уровне! Очень стоит прочитать!
7.2 Приложения умного дома
В этом контексте концепция умного дома имеет особое значение, поскольку она может быть идеально интегрирована в умную энергосеть и охватывает дополнительные возможности применения. По сути, умный дом — это жилая среда, которая всесторонне связана как внутри, так и снаружи. В любом случае, это связь с Интернетом для внешнего мира, возможно, также с умной энергосетью. Внутри, в зависимости от энтузиазма жильцов к технологиям, все возможные и невозможные устройства и процессы могут быть подключены к Интернету и, таким образом, стать "умными" (ср. также Bendel, 2019). Для использования в умном доме могут быть рассмотрены следующие области:
• Окна и рольставни
• Входная дверь
• Гараж
• Датчик движения
• Камера и домофон
• Детектор дыма
• Освещение
• Розетка
• Хранение энергии
• Отопление
• Кухонные принадлежности
• Стиральная машина
• Метеостанция
• Развлечения (музыка и потоковое видео).
Использование умных счетчиков в первую очередь выгодно с точки зрения энергоэффективности, даже если потенциальный эффект экономии до сих пор был довольно ограниченным. Соответствующие системы умного дома (включая видеонаблюдение, датчики шума и дыма) также должны способствовать оперативной безопасности и устойчивости жилого комплекса к взлому. Главным драйвером принятия умных домов является пользовательское удобство. В конце концов, этими приложениями можно управлять через Интернет — обычно через приложения на мобильных устройствах. Таким образом, следующие функции могут управляться из любой точки мира, подключенной к Интернету:
• Яркость освещения в квартире
• Температура, при необходимости, даже более полное описание климата в квартире
• Громкость радио, телевизора и других звуковых систем
• Мониторинг детской комнаты (через веб-камеры)
• Процессы приготовления пищи на кухне (например, запуск духовки, кофемашины и т. д.)
• Просмотр содержимого холодильника (через установленную там камеру, которая передает записи прямо на смартфон)
• Рольставни, навесы
• Входные двери и гаражи
• Стиральная машина.
Дополнительная степень удобства достигается, когда определенные функции больше не требуют инициативы от жильца, а распознаются как необходимые самостоятельно с помощью алгоритмов ИИ, основанных на опыте:
• Гараж автоматически открывается, когда автомобиль пользователя приближается на 50 м, и парковочное место в гараже еще свободно.
• Уже за 30−60 минут до предполагаемого прибытия жильцов регулируется предпочтительный климат в используемых помещениях. Это может быть индивидуально для каждого жильца — в зависимости от времени суток.
• При открытии входной двери устанавливается предпочтительное освещение в квартире — опять же в зависимости от человека.
• В некоторых случаях — возможно, даже на основе настроения жильца (например, выведенного из его последних сообщений в Facebook или Twitter) — может быть воспроизведена "подходящая" музыка (на основе предпочтений каждого отдельного человека, сохраненных в Spotify).
• Ориентация на индивидуальные привычки также может быть выполнена с помощью воды для ванны правильной температуры.
• В зависимости от индивидуальных утренних ритуалов кофемашина может быть запущена автоматически.
• Уровень наполнения холодильника, кладовки и винного погреба может контролироваться автоматически и приводить к автономным решениям о покупке (например, через Alexa).
• В зависимости от прошлых или запланированных действий услуги по уборке могут быть забронированы самостоятельно, и соответствующий персонал может быть допущен в квартиру в заранее определенное время (с паролем или распознаванием лиц).
• Стиральные машины могут запускаться автоматически в часы, когда это вызывает наименьшее неудобство для жильцов или когда затраты на электроэнергию самые низкие, и рассчитывает лучшее время для развешивания белья.
• Режим сна ребенка указывает, когда ожидается следующий ночной голод, а ранее кипяченая вода может быть нагрета вовремя до идеальной температуры для приготовления смеси.
С приглашением на 30-летие на следующие вопросы можно ответить с помощью поддержки ИИ, оценивая соответствующие информационные потоки:
• Кто принял приглашение на празднование? (Анализ сообщений в Facebook, электронной почте или WhatsApp)
• Каковы музыкальные предпочтения гостей? (Анализ профилей гостей в Facebook и Spotify)
• Какие предложения по еде приемлемы для гостей — веганские, вегетарианские, органические и т. д.? (Анализ профилей гостей или публикаций в группах WhatsApp в Facebook, Pinterest или Instagram)
• Каковы питьевые привычки гостей? (на основе профилей гостей или публикаций в группах WhatsApp в Facebook, Instagram)
• Какие покупки продуктов питания следует совершить? (Оценка уровня наполнения холодильника)
• Какие напитки мне нужно купить? (В зависимости от положения стенда с напитками)
• Есть ли предпочитаемые алкогольные и безалкогольные напитки по специальной цене до времени мероприятия? (Учитывая текущие предложения и условия доставки)
• Какие каналы покупок используются? (Основа — предыдущее покупательское поведение)
• Какие подарки подойдут для хозяина? (На основе профилей хозяина в Facebook, Pinterest, Instagram и предпочтений в Netflix и Spotify)
• Насколько всеобъемлющей должна быть уборка на "следующий день"? (На основе фото и видео с предыдущих вечеринок с ожидаемыми гостями, а также на основе текущих фото помещений, в которых состоялось празднование)
• Где следует забронировать персонал по уборке? (На основе возможных положительных оценок услуг, таких как Book-a-Tiger или Helpling, и/или существующих контрактов, также в зависимости от доступности и специальных предложений).
Ящик памяти
В свете этих разработок вы востребованы для изучения их актуальности для вашей собственной бизнес-модели. Где есть возможности для ваших собственных продуктов и услуг в разработке умного дома? Как ваши собственные бизнес-модели могут быть адаптированы и далее развиты?
Успех самых разнообразных сервисных роботов уже очевиден сегодня. Продажи сервисных роботов по всему миру, как ожидается, увеличатся почти в пять раз в период с 2018 по 2022 год (ср. рис. 7.1). К ним относятся роботы-газонокосилки и роботы-пылесосы, которые пользуются возрастающей популярностью. Успех роботов-дворников, с другой стороны, пока ограничен.
Viessmann, специалист в области строительных технологий, последовательно развивает свою бизнес-модель, учитывая эти возможности. Благодаря приобретениям и внутренним стартапам, была разработана модель подписки на тепло. Viessmann больше не продает отопление, а предоставляет услугу "тепло". Если это позволяет стать частью умного дома, то могут быть предложены дополнительные услуги "вокруг дома". В результате производитель отопительного оборудования превращается в поставщика индивидуальных решений. Особенно важно создать интерфейс клиента (ср. Mahler, 2018, с. 75f.).
Все более важная область развития умного дома пока не находится в центре внимания: уход и обеспечение стареющего населения. IBM заключила партнерство с Malteser International, чтобы посвятить себя этой задаче. В рамках этого сотрудничества более 150 домов будут оснащены IoT-датчиками и когнитивными вычислениями, чтобы обеспечить безопасность пожилых людей дома. Если датчики обнаружат отклонения, родственники могут быть уведомлены через мобильное приложение или службы экстренной помощи. В качестве соответствующих триггеров могут быть определены долгое время текущая вода, интенсивное задымление или невключенные плиты. Также могут быть определены заметные поведенческие паттерны в качестве триггеров. Сюда входит, например, открытая входная дверь во время нормального сна. Если туалет посещают четыре раза за ночь — отклонение от нормального поведения — может быть вызван сигнал тревоги. Это также может быть случай, если датчики движения не регистрируют никакой активности в течение шести часов во время "фазы бодрствования" (ср. Bauer, Hüfner, & Ruemping, 2018).
Сервис IBM Elderly Care предлагает несколько преимуществ (ср. Bauer et al., 2018):
• Уход за пожилыми людьми как центральный модуль умного дома
Связанное использование датчиков в решениях для умного дома позволяет пожилым людям — которые фактически нуждаются в наблюдении — дольше оставаться в своих домах. Это экономит затраты на уход и создает дополнительное качество жизни. Круглосуточный мониторинг жильцов позволяет быстро оказать помощь в экстренных случаях.
В острых случаях может использоваться телемедицина — как часть домашнего здравоохранения. Это может снизить нагрузку на родственников и сократить возможные прогулы на работе.
Для жилищных компаний оснащение квартир связанными датчиками предоставляет возможность дальнейшего развития своей бизнес-модели в направлении "управления здоровьем".
• Использование умных систем
Система ухода за пожилыми людьми должна не только идеально функционировать с технической точки зрения, но и соответствовать эргономическим требованиям ее пользователей. Сюда входят также мобильные оповещения, привлекающие внимание без паники. Для этой цели может использоваться простая система светофора:
– Зеленый: "Все в порядке."
– Желтый: "Обнаружено необычное поведение — возможно, проблема."
– Красный: "Требуется немедленное внимание экстренных служб."
Для калибровки системы для понимания значения красного и желтого цветов в течение нескольких месяцев проводились пользовательские тесты.
Используемое для этой цели приложение позволяет родственникам обмениваться информацией о состоянии своих родителей с помощью одного нажатия кнопки. Вот пример: "Я получил желтое уведомление о маме. Не волнуйтесь, я только что проверил ее. Все в порядке."
Благодаря оценке повседневных процессов каждого отдельного человека на основе ИИ, программное обеспечение может самостоятельно выявлять аномальное и потенциально опасное поведение:
– Какое время, проведенное в постели, может оправдать сигнал тревоги?
– Как долго холодильник может оставаться неоткрытым без индикации проблемы?
– Какие движения ночью "нормальны"?
– Какие поведенческие паттерны ночью могут быть признаком медицинской экстренной ситуации?
Концепция ухода за пожилыми людьми — это по сути IoT-решение, поддерживающее специфическую экосистему. Соответствующие партнеры включают застройщиков, службы экстренной помощи, другие поставщики медицинских услуг, страховые компании и поставщики оборудования и программного обеспечения. Крайне важно, чтобы удобство использования для конечного пользователя было в центре внимания с самого начала (ср. Bauer et al., 2018).
Сравнимое предложение поступает от Better@Home (2019). Концепция Better@Home, разработанная IHP в сотрудничестве с известными поставщиками, также предлагает решения в секторах умного дома и "окружающей среды для пожилых" (AAL). Опять же, основное внимание уделяется сервисной платформе, которая предоставляет различные услуги по обеспечению оборудованием, соответствующим возрасту и комфорту. Это позволяет индивидуализировать существующие предложения продуктов и услуг от одного поставщика.
Чтобы решить проблемы, газовый или водопроводный кран можно управлять дистанционно, а плиту выключать. Кроме того, в систему мониторинга могут быть интегрированы специальные устройства, такие как экстренный вызов на дом, датчик кровати, коробка для лекарств, тонометр и глюкометр. Входящая информация оценивается интеллектуальным программным обеспечением для запуска индивидуальных процессов эскалации. Для этого система ИИ изучает профиль движения жильца, чтобы автоматически генерировать уведомления или сигналы тревоги в случае отклонений (ср. Better@Home, 2019).
Нельзя игнорировать одно возможное развитие: от умного дома к умному террору! В США технологии, используемые в среде умного дома, уже используются специально для контроля и терроризирования собственного бывшего партнера. Поэтому он или она, например, меняет код безопасности входной двери, так что оставшийся партнер больше не может войти в квартиру. Кроме того, зимой кондиционер может охлаждать квартиру до экстремально низких температур, а громкая музыка из умной музыкальной системы может быть слышна снова и снова ночью, не давая оставшемуся партнеру ничего сделать. Умные объекты — оснащенные камерой и микрофоном — могут дополнительно выявлять и записывать все движения в квартире. Приложения, цифровые персональные помощники и др. делают это возможным (ср. Bowles, 2018; Mezler, 2018, с. 1; Patrick, 2018; Woodlock, 2016).
Пища для размышлений
Умный дом предлагает прекрасный экран для проекции для различных групп. Техногики видят в умном доме исполнение своих мечтаний, потому что их собственная жилая среда всегда знает точно, что желается, когда и где — и затем идеально доставляет именно это. Это также включает возможность поддержки пожилых членов семьи в их желании как можно дольше жить в привычном окружении.
Пророки конца света опасаются, что хакеры смогут вторгнуться в их собственные дома через недостаточно защищенные интернет-интерфейсы. Таким образом, могут быть манипулированы не только процессы, но и, возможно, целые привычки жизни сообщества могут быть подсмотрены. Кроме того, эти люди опасаются, что различные программные и аппаратные решения — часто с расходящимися ритмами обновлений — могут расходиться и, таким образом, препятствовать беспроблемному использованию. В конце концов, единые стандарты для таких приложений все еще отсутствуют.
Вам, как поставщику, а также как пользователю решений умного дома, решать, где вы хотите позиционировать себя.
7.3 От умного дома к умному городу
Развитие умных домов можно продолжить в направлении концепции умного города в будущем. С этим подходом городское жилье развивается в сеть коммуникаций, логистики и информационных систем. В то же время оно нацелено на устойчивый рост и высокое качество жизни. Кроме того, оно должно увеличить готовность к конструктивному участию в политике (ср. Müller-Seitz,
Seiter, & Wenz, 2016, с. 4). Идеи для умного дома могут быть бесшовно интегрированы в эти концепции.
Умная мобильность или умный трафик является подзоной умного города. Это интеллектуальное взаимодействие различных видов транспорта для улучшения передвижения людей и грузов. Более высокий уровень безопасности может быть достигнут за счет мобильности с автомобильно-автомобильной связью между используемыми транспортными средствами. Кроме того, могут быть интегрированы логистические роботы для перевозки людей и грузов. В этом отношении предстоит прояснить большое количество юридических вопросов. Наконец, возросшее использование датчиков приводит к все более всеобъемлющему вторжению в личную жизнь людей, чьи повседневные действия записываются при использовании автономного вождения (ср. Stanford University, 2016, с. 23).
В Дармштадте реализуется интересный пилотный проект. Для этого была установлена муниципальная служба управления дорожным движением, которая генерирует данные о потоках трафика в реальном времени и оценивает их с помощью поддержки ИИ. Камеры были установлены на 272 перекрестках и более чем на 2000 светофорах. Они сгенерировали более одного миллиарда наборов данных за два года (ср. Darmstadt, 2019; Schmidt et al., 2016). Инсайты, полученные с помощью ИИ, должны привести к более интеллектуальному управлению потоками трафика и, таким образом, к разгрузке центра города. Кроме того, граждане имеют доступ к информации о текущей дорожной ситуации.
Применение американского стартапа ZenCity выходит далеко за эти рамки. Цель состоит, прежде всего, в том, чтобы больше вовлекать мнения граждан в процессы принятия городских решений. Большое количество данных из взаимодействий с жильцами собирается и преобразуется в релевантные для принятия решений выводы системами ИИ в реальном времени. Следующие области обслуживания охватываются (ср. ZenCity, 2019):
• Распознавание релевантных тем
Путем автоматической записи текущей коммуникации в социальных сетях, чат-румах и горячих линиях города, темы, релевантные с точки зрения граждан, могут быть видны городским администрациям.
• Углубленный анализ
Дальнейшая оценка показывает, где какие темы обсуждаются, через какие каналы и по каким ключевым словам. При необходимости анализ может спускаться до индивидуального поста.
• Оповещения
На основе полученных знаний могут быть отправлены push-уведомления ответственным лицам, чтобы они могли быстро отреагировать. Это могут быть внезапные отклонения или медленные изменения в тенденциях.
• Анализ настроений
Для распознавания настроения населения посты могут быть классифицированы как положительные, нейтральные и отрицательные. Таким образом, проблемы в различных областях городского управления могут быть выявлены быстрее (ср. разд. 4.2.4).
Париж и Тель-Авив уже используют эту систему, чтобы держать руку на пульсе своих граждан. Захватывающий вопрос заключается в том, как быстро полученные знания могут быть трансформированы в действия в условиях часто доминирующей бюрократии в городском управлении.
Ящик памяти
Умный город — это по сути не что иное, как всеобъемлющая связанность городской технической, финансовой и операционной инфраструктуры друг с другом и — в зависимости от приложения — с инфраструктурой граждан (умный дом, умный автомобиль…).
Пища для размышлений
Интересный вопрос: как будут выглядеть умные города в будущем, когда все больше рабочих мест будут заняты роботами, а стационарные магазины будут заменены электронной коммерцией с роботизированной доставкой (наземной или воздушной).
• Какая работа будет в городах будущего?
• Как нас будут транспортировать на рабочие места?
Вопрос будущего города неразрывно связан с вопросом будущего труда.
Если город, его пространства, его ритм, его коллективные ритуалы (обеденный перерыв, напитки после работы, шоппинг) были построены вокруг организации труда и сформированы идеей и требованиями наемного труда — как бы он выглядел, если бы эта форма труда исчезла, каким станет общественное пространство, если оно больше не будет в первую очередь заниматься транспортировкой людей на работу? (Maak, 2018, с. 45):
• Как бы выглядел город, где большинство людей работают либо в небольших единицах, либо из домашнего офиса?
• Какие последствия это будет иметь для разделения города на общественную зону (офисы, магазины, улицы, транспорт и т.д.) и частную зону (квартиры)?
• Что это означает для городского планирования, когда работа и досуг все больше и больше переплетаются?
• Какие последствия это будет иметь, если большое количество рабочих процессов может быть предоставлено на мобильной основе — при необходимости не только в фиксированном месте, но и независимо от времени?
• Как нужно проектировать город, если рабочая неделя должна составлять всего десять часов?
• Что произойдет с офисными зданиями, их столовыми и парковками?
• Как бы выглядел город, если бы безусловный базовый доход стал преобладать на широкой основе?
• Какие потребности должен удовлетворять такой город в первую очередь?
• Как бы выглядел город, если бы на онлайн-покупки приходилось не только 10–20%, как сегодня во многих странах, но 70 или 80%?
• Что происходит с торговыми центрами и множеством небольших и крупных магазинов внутри и в зоне охвата городов?
7.4 Мобильность и транспортный сектор
Большое поле применения для Искусственного Интеллекта представляют самые разнообразные приложения в секторе мобильности и транспорта. Проблемы особенно велики, поскольку растущая глобализация производства и потоков товаров сопровождается увеличением логистических задач. Растущая урбанизация и триумф электронной коммерции также стимулируют рост транспортных услуг. В то же время во многих регионах мира существующая инфраструктура или инфраструктура в стадии строительства уже не выдерживают такого объема роста. Поэтому востребованы интеллектуальные логистические решения. У них разные, переплетенные цели:
• Более эффективное использование существующей транспортной инфраструктуры (автодорог, железных дорог, воздушных и морских путей)
• Экономическое использование транспортных мощностей (в дополнение к избеганию заторов или более экономичному оснащению транспортных средств)
• Сокращение потребления ресурсов для транспорта (будь то нефть, газ, уголь, уран, древесина) и собственно транспортных мощностей (например, автодорог, железных дорог, аэропортов, автостоянок)
• Сокращение выбросов от транспортных средств (выхлопные газы, истирание, шум и т.д.).
Кроме того, для анализа спроса и прогнозирования, а также для оптимального использования имеющихся логистических мощностей используются самые разнообразные технологии ИИ. Это включает автономное управление автомобилями, автобусами, грузовиками, сельскохозяйственной техникой, самоходными железнодорожными транспортными средствами, судами, подводными транспортными средствами и самолетами (ср. Clausen & Klingner, 2018). Автономно управляемый автомобиль занимает ключевую позицию. Эта технология функционирует как "переломный момент" и окажет длительное влияние на будущее нашей мобильности. Сначала это относится непосредственно к разработке новых автомобилей (ср. рис. 7.2).
Низкий сценарий нарушений можно ожидать, если правовые рамки не будут прояснены в течение долгого времени, и убедительные технологические решения будут отсутствовать. Эти разработки будут сопровождаться ограниченной готовностью клиентов рисковать и платить. Если эти тормозящие факторы удастся преодолеть, может произойти даже сценарий с высоким нарушением. Рисунок 7.2 одновременно показывает, что триумфальное шествие транспортных средств начинается с проверенных и условных решений (в смысле поддержки водителя), прежде чем автономные транспортные средства полностью возьмут на себя управление рулем.
По оценкам Business Insider, к 2020 году на дорогах будет 10 миллионов автономно управляемых автомобилей (ср. Business Insider Intelligence, 2016). По мере распространения этой технологии ИИ, предложения транспорта как услуги (TaaS) и мобильности как услуги (MaaS) также возрастут. Рисунок 7.3 показывает, что до сих пор мы использовали один автомобиль для очень разных задач. Это массово изменится с появлением беспилотных автомобилей! Здесь разработки автономно управляемых транспортных средств дополняют концепции экономики совместного потребления — я получаю конкретное транспортное средство, когда оно мне нужно — и только тогда!
необходимо учитывать общие аспекты безопасности. В конце концов, дроны должны быть хорошо защищены от хакерских атак, чтобы не стать угрозой безопасности.
Совет по художественному чтению: Где может привести интенсивное использование дронов, можно прочитать в очень захватывающей книге Тома Хилленбранда "Drohne State".
Резюме
• Успех умных энергосетей и проникновение умных счетчиков зависят от безопасности этих сетей.
• Развитие умных домов только медленно набирает скорость. Предстоит увидеть, что будет доминировать — энтузиазм в отношении технологий или скептицизм. Есть весомые аргументы как за, так и против.
• Развитие умных городов также идет медленно.
• С автономными транспортными средствами Искусственный Интеллект имеет потенциал значительного снижения заторов и аварий, вызванных человеческими ошибками.
• В дополнение к оптимизации наземных логистических цепочек, воздушное пространство станет все более важным для логистических задач.
• Существующая логистическая инфраструктура может использоваться более эффективно, значительно снижая потребление ресурсов и выбросы.
• Одновременное увеличение объема поставок — особенно для частных домохозяйств — может снизить такие эффекты или даже компенсировать их.
Библиография
Adams, E. (2017). AI wields the power to make flying safer—and maybe even pleasant. Wired. https://www.wired.com/2017/03/ai-wields-power-make-flying-safer-maybe-even-pleasant. Доступ 26 апреля 2019.
Bauer, A., Hüfner, O., & Ruemping, T. (2018). Why you need to know about IBM’s Elderly Care solution. https://www.ibm.com/blogs/insights-on-business/insurance/why-do-you-and-your clients-need-to-know-about-ibms-elderly-care-solution/. Доступ 12 мая 2019.
Bendel, O. (2019). Smart Home. https://wirtschaftslexikon.gabler.de/definition/smart-home-54137 . Доступ 10 апреля 2019.
Better@Home. (2019). Better@Home – Was heißt das? https://www.better-at-home.de/. Доступ 27 апреля 2019.
Bowles, N. (2018). Термостаты, замки и свет: Цифровые инструменты домашнего насилия. https://www. nytimes.com/2018/06/23/technology/smart-home-devices-domestic-abuse.html. Доступ 26 апреля 2019.
Business Insider Intelligence. (2016). 10 миллионов самоуправляемых автомобилей будут на дороге к 2020 году. https://www.businessinsider.de/report-10-million-self-driving-cars-will-be-on-the-road-by-2020– 2015-5-6?r=US&IR=T. Доступ 25 января 2019.
Clausen, U., & Klingner, M. (2018). Автоматизированное вождение, компьютер захватывает руль. В Р. Нойгебауэр (ред.), Цифровизация, ключевые технологии для экономики и общества (с. 385−411). Гейдельберг.
Darmstadt. (2019). Bundesweit einzigartig: Verkehrssteuerung in Echtzeit speist Open-Data Plattform. https://www.digitalstadt-darmstadt.de/bundesweit-einzigartig-verkehrssteuerung-in echtzeit-speist-open-data-plattform/. Доступ 26 апреля 2019.
Liggesmeyer, P., Rombach, D., & Bomarius, F. (2018). Smart Energy, Die Digitale Transformation im Energiesektor. В Р. Нойгебауэр (ред.), Digitalisierung, Schlüsseltechnologien für Wirtschaft und Gesellschaft (с. 347−363). Гейдельберг.
Maak, N. (2018). Zieht doch in die Mall! В Frankfurter Allgemeine Sonntagszeitung (с. 45). 24 августа 2018.
Mahler, A. (2018). Die Reifeprüfung. В Der Spiegel (с. 74−78). 13 октября 2018.
McKinsey. (2016). Automotive revolution—perspective towards 2030. How the convergence of disruptive technology-driven trends could transform the auto industry, Штутгарт, Детройт, Гонконг, Мюнхен, Кёльн.
McKinsey. (2017). Artificial Intelligence. The next digital frontier? Брюссель, Париж, Шанхай, Сан-Франциско.
Mezler, S. (2018). Der smarte Terror. В Bonner Generalanzeiger Journal (с. 1). 17/18 ноября 2018.
Müller-Seitz, G., Seiter, M., & Wenz, P. (2016). Was ist eine Smart City? – Betriebswirtschaftliche Zugänge aus Wissenschaft und Praxis, Висбаден.
н.а. (2016). Deutsche Post stellt erstmals Pakete per Drohne zu. http://www.sueddeutsche.de/ bayern/reit-im-winkl-deutsche-post-stellt-erstmals-pakete-per-drohne-zu-1.2986700. Доступ 2 мая 2019.
Patrick, W. L. (2018). Remote controlled: Domestic abuse through technology, modern inventions make you vulnerable to predators outside and inside your home. https://www.psychologytoday. com/intl/blog/why-bad-looks-good/201807/remote-controlled-domestic-abuse-through-technology. Доступ 26 апреля 2019.
Schmidt, W., Borgert, S., Fleischmann, A., Heuser, L., Müller, C., & Mühlhäuser, M. (2016). Digitale Mehrwertdienste in Smart Cities am Beispiel Verkehr. В А. Майер & Е. Портманн (ред.), Smart City Strategie (с. 255−274). Governance und Projekte: Висбаден.
Stanford University. (2016). Artificial intelligence and life in 2030. https://ai100.stanford.edu/ 2016-report. Доступ 23 апреля 2019.
Statista. (2018). Künstliche Intelligenz. https://de-statista-com.ezproxy.hwr-berlin.de/statistik/ studie/id/38585/dokument/kuenstliche-intelligenz-statista-dossier/. Доступ 29 августа 2018.
Tang, S. (2017). Welcoming our newest robots to the Doordash fleet with marble. https://blog. doordash.com/welcoming-our-newest-robots-to-the-doordash-fleet-with-marble-e752a85d6602. Доступ 26 апреля 2019.
Tractica. (2018). Umsatz mit Servicerobotern weltweit. https://de-statista-com.ezproxy.hwr-berlin. de/statistik/daten/studie/870594/umfrage/umsatz-mit-servicerobotern-weltweit/. Доступ 2 декабря 2018.
Turakhia, C. (2017). Engineering more reliable transportation with machine learning and AI at Uber. https://eng.uber.com/machine-learning/. Доступ 26 апреля 2019.
VDA. (2018). Automatisiertes Fahren, Der technologische Fortschritt zeigt sich bereits heute in modernen Fahrzeugen, die vermehrt Fahrerassistenzsysteme (FAS) besitzen, auf dem Weg zur Automatisierung. https://www.vda.de/de/themen/innovation-und-technik/automatisiertes-fahren/ automatisiertes-fahren.html. Доступ 19 ноября 2018.
Woodlock, D. (2016). The abuse of technology in domestic violence and stalking. Violence Against Women, Psychology Today, 23(5), 584–602.
ZenCity. (2019). Listen to your city. https://zencity.io/. Доступ 12 апреля 2019.
Другие статьи по этой теме:
- 601 пример внедрения ИИ на производствах и преприятиях
- ИИ в корпоративном секторе
- Пособие по разработке стратегии ИИ