Просмотр новости
Найдите то, что Вас интересует
Спутники
РН
SpaceX
Роскосмос
NASA
СпутникиРНSpaceXРоскосмосNASA
Учёные РГУ нефти и газа (НИУ) имени И.М. Губкина разработали систему на базе искусственного интеллекта (ИИ), которая может сократить скорость реагирования на пожары на объектах ТЭК в десять раз. По оценкам исследователей, её внедрение позволит уменьшить ущерб от возгораний на 58%.
В рамках проекта учёные изменили парадигму применения ИИ в промышленной безопасности от «обнаружения» к «осмысленному анализу». Ранее нейросети использовались только для бинарной классификации (огонь есть или огня нет) или обнаружения. Исследователи Губкинского университета разработали систему на базе ИИ, которая может оценить уровень инцидента и максимально быстро предложить оператору вариант реакции.
Нейросеть анализирует изображения с камер и присваивает инциденту класс опасности. Систему протестировали на изображениях возгораний, произошедших на реальном объекте ТЭК. Время реакции оператора при этом сократилось с пары минут до десяти секунд.
Протестированная нейросеть построена на архитектуре визуально-лингвистической модели, которая умеет одновременно анализировать изображение и описывать его.
«То есть модель не просто говорит «пожар», а отвечает на вопросы: «Какой это тип инцидента?», «Насколько это опасно?», «Что конкретно делать оператору?»», – объясняет участник проекта, аспирант Губкинского университета Андрей Евсиков.
На пульт оператора непрерывно поступает большое количество сигналов с различных датчиков и камер видеонаблюдения. До момента анализа инцидента может пройти несколько минут, а данные требуют перепроверки. Новая система на основе нейросети сразу отсеивает ложные срабатывания и формирует детальное заключение по реальной угрозе, благодаря чему оператору не приходится тратить время на самостоятельный просмотр ложных событий низкой важности – он получает готовый структурированный ответ по важному инциденту. В результате время реакции сокращается в среднем до десяти секунд.
«Время обнаружения пожара и приезда пожарной бригады напрямую влияют на успешную эвакуацию, сокращение числа жертв, минимизацию ущерба имуществу и локализацию огня в зданиях. Исследования прошлого года показали, что в случае обнаружения пожара за 10,8 секунд и быстрого его устранения риск для жизни людей сокращается на 75,6%, а объём материального ущерба – на 58%», – рассказал Андрей Евсиков.
В рамках проекта учёные нашли способ устранить так называемые «галлюцинации» нейросети – одну из насущных проблем ИИ в ответах на запросы пользователя, когда модель выдаёт ложные данные при недостатке информации для анализа, при этом никак не отмечая сомнительные факты.
«Мы сформировали промт-запрос, который исключил «галлюцинации». Для этого модели задали жёсткую схему ответа, включающую требование объективности – опираться только на видимые признаки и не додумывать дополнительную информацию. Тесты подтвердили, что качество промпта влияет на результат сильнее, чем сама архитектура модели», – пояснил исследователь.
Проект по созданию «ИИ-пожарного» университет реализует при поддержке предприятий ТЭК.
Внедрение новой системы на одном объекте, по оценкам исследователей, обойдётся максимум в 500 000 рублей. Интернет-соединение для её работы не требуется, что исключает проблему утечки данных и несанкционированного доступа извне. Нейросеть можно интегрировать в уже существующие системы безопасности, где она будет работать в связке с традиционными датчиками.
По словам Андрея Евсикова, перспективы развития системы не ограничиваются обнаружением пожаров и объектами ТЭК. Нейросеть сможет работать в складских помещениях, на производствах, в аэро- и морских портах, вокзалах, торговых центрах и других площадках с массовым пребыванием людей и повышенными требованиями к противопожарной безопасности. На базе разработки уже создаётся более широкая система промышленной аналитики, которая сможет отслеживать использование оборудования, ношение сотрудниками средств индивидуальной защиты и другие аспекты, которые невозможно предусмотреть и запрограммировать традиционными методами.
Учёные РГУ нефти и газа (НИУ) имени И.М. Губкина разработали систему на базе искусственного интеллекта (ИИ), которая может сократить скорость реагирования на пожары на объектах ТЭК в десять раз. По оценкам исследователей, её внедрение позволит уменьшить ущерб от возгораний на 58%.
В рамках проекта учёные изменили парадигму применения ИИ в промышленной безопасности от «обнаружения» к «осмысленному анализу». Ранее нейросети использовались только для бинарной классификации (огонь есть или огня нет) или обнаружения. Исследователи Губкинского университета разработали систему на базе ИИ, которая может оценить уровень инцидента и максимально быстро предложить оператору вариант реакции.
Нейросеть анализирует изображения с камер и присваивает инциденту класс опасности. Систему протестировали на изображениях возгораний, произошедших на реальном объекте ТЭК. Время реакции оператора при этом сократилось с пары минут до десяти секунд.
Протестированная нейросеть построена на архитектуре визуально-лингвистической модели, которая умеет одновременно анализировать изображение и описывать его.
«То есть модель не просто говорит «пожар», а отвечает на вопросы: «Какой это тип инцидента?», «Насколько это опасно?», «Что конкретно делать оператору?»», – объясняет участник проекта, аспирант Губкинского университета Андрей Евсиков.
На пульт оператора непрерывно поступает большое количество сигналов с различных датчиков и камер видеонаблюдения. До момента анализа инцидента может пройти несколько минут, а данные требуют перепроверки. Новая система на основе нейросети сразу отсеивает ложные срабатывания и формирует детальное заключение по реальной угрозе, благодаря чему оператору не приходится тратить время на самостоятельный просмотр ложных событий низкой важности – он получает готовый структурированный ответ по важному инциденту. В результате время реакции сокращается в среднем до десяти секунд.
«Время обнаружения пожара и приезда пожарной бригады напрямую влияют на успешную эвакуацию, сокращение числа жертв, минимизацию ущерба имуществу и локализацию огня в зданиях. Исследования прошлого года показали, что в случае обнаружения пожара за 10,8 секунд и быстрого его устранения риск для жизни людей сокращается на 75,6%, а объём материального ущерба – на 58%», – рассказал Андрей Евсиков.
В рамках проекта учёные нашли способ устранить так называемые «галлюцинации» нейросети – одну из насущных проблем ИИ в ответах на запросы пользователя, когда модель выдаёт ложные данные при недостатке информации для анализа, при этом никак не отмечая сомнительные факты.
«Мы сформировали промт-запрос, который исключил «галлюцинации». Для этого модели задали жёсткую схему ответа, включающую требование объективности – опираться только на видимые признаки и не додумывать дополнительную информацию. Тесты подтвердили, что качество промпта влияет на результат сильнее, чем сама архитектура модели», – пояснил исследователь.
Проект по созданию «ИИ-пожарного» университет реализует при поддержке предприятий ТЭК.
Внедрение новой системы на одном объекте, по оценкам исследователей, обойдётся максимум в 500 000 рублей. Интернет-соединение для её работы не требуется, что исключает проблему утечки данных и несанкционированного доступа извне. Нейросеть можно интегрировать в уже существующие системы безопасности, где она будет работать в связке с традиционными датчиками.
По словам Андрея Евсикова, перспективы развития системы не ограничиваются обнаружением пожаров и объектами ТЭК. Нейросеть сможет работать в складских помещениях, на производствах, в аэро- и морских портах, вокзалах, торговых центрах и других площадках с массовым пребыванием людей и повышенными требованиями к противопожарной безопасности. На базе разработки уже создаётся более широкая система промышленной аналитики, которая сможет отслеживать использование оборудования, ношение сотрудниками средств индивидуальной защиты и другие аспекты, которые невозможно предусмотреть и запрограммировать традиционными методами.
| # | Наименование новости | Тональность | Информативность | Дата публикации |
|---|---|---|---|---|
| 1 | 🚀 ИИ в космосе: какие решения можно доверить алгоритмам? Искусственный ... | 0 | 9.14 | 28-09-2026 |
| 2 | ИИ в школе: Минпросвещения разработало методические рекомендации для учителей | 0 | 6.37 | 15-09-2026 |
| 3 | Набор слушателей на курс «LLM на примере GigaChat» от ПАО Сбербанк | 0 | 9 | 16-09-2026 |
| 4 | Эксперт по ИИ Русяев: детей нужно учить проверять ответы нейросетей | 0 | 5.24 | 29-09-2026 |
| 5 | ИТ-лаборатория нефтегазовой отрасли открылась в Губкинском университете | 0 | 11.71 | 23-09-2026 |
| 6 | Практика опережает правила: как в науке поддерживают ИИ | 0 | 11.4 | 14-09-2026 |
| 7 | Высшая школа меняет парадигму: ИИ — не курс, а основа всех процессов | 0 | 7.57 | 14-09-2026 |
| 8 | ИT-эксперт Мицкевич: попавший в нейросеть пароль нужно сразу заменить | 0 | 11.57 | 28-09-2026 |
| 9 | Bloomberg: Nvidia разработала систему защиты от нештатных действий ИИ-моделей | 0 | 7.88 | 28-09-2026 |
| 10 | О моделировании гидрологических процессов методами машинного обучения | 0 | 17.74 | 23-09-2026 |