11 - 2015

САПР перешагнет через искусственный интеллект

Дмитрий Красковский

В рамках прошедшего в Москве Autodesk University Russia 2015 Анатолий Левенчук, президент TechInvestLab и директор по исследованиям русского отделения INCOSE, рассказал о том, какое будущее ждет САПР и что нового он узнал, изучив последние разработки Autodesk.

Дмитрий Красковский: Анатолий, расскажите немного о себе. Вы правда занимаете две должности?

Анатолий Левенчук: Как у любого человека, у меня их много. Я президент «ТехИнвестЛаб», занимаю пост директора по исследованиям Русского отделения Международного совета по системной инженерии, являюсь членом исполкома Русского отделения SEMAT и т.д.

Анатолий Левенчук, президент TechInvestLab и директор по исследованиям русского отделения INCOSE

Анатолий Левенчук, президент TechInvestLab и директор по исследованиям русского отделения INCOSE

Д.К.: Русское отделение INCOSE — что это такое?

А.Л.: В мире примерно десять тысяч профессиональных системных инженеров, которые объединены в большую организацию. Это Международный совет по системной инженерии, International Council on Systems Engineering. В России есть русское отделение, где люди собираются, обсуждают системную инженерию.

Д.К.: А в каких отраслях?

А.Л.: Системная инженерия как раз отличается тем, что она позволяет создать любое изделие, начиная от коробки спичек и заканчивая, например, ракетой, которая летит на Марс. Обычно системная инженерия — это инженерия требований, инженерия системной архитектуры, инженерия испытаний. Системный инженер — это тот человек, который отвечает за систему в целом. Просто у нас в России такой традиции не существует. У нас нет системных инженеров, у нас, по большому счету, или инженеры по специальности, или ГИПы по факту превращаются в проектных менеджеров.

Д.К.: А кто такие системные архитекторы?

А.Л.: Это те люди, которые занимаются архитектурой системы, то есть описанием важнейших проектных или конструкторских решений системы. В России специалистов, которые в общем виде знают предметы инженерии требований и инженерии системной архитектуры, которые работают с разными практиками инженерии требований, инженерией системной архитектуры, просто нет. У нас в «реальном секторе» немного другая культура, хотя в информационных технологиях таких людей можно встретить и в России.

Д.К.: Вернемся к самому интересному — к вашему докладу. Вы сказали, что в ближайшем будущем появится голосовой интерфейс.

А.Л.: Ну, это не самый важный тезис в моем докладе. Потому что, как вы понимаете, голосовой интерфейс к телефонам уже есть довольно давно. То, что он будет использован для САПР, — незначительная новость.

Д.К.: Как это можно применить к САПР?

А.Л.: Рассмотрим такой пример: вам нужно провести линию. Вы указываете на экране точки и говорите: «Провести линию отсюда досюда». Всё. Экономит кучу времени. Двумя пальцами держите правильные места на экране и вслух проговариваете, например: «Длиной 14». САПР ехидным голосом переспрашивает: «14 чего? Попугаев?» Есть исследования, которые говорят, что у таких интерфейсов должна быть личность, должен быть не самый покладистый характер. Люди больше доверяют такому интерфейсу, им больше нравится работать с такими программами, чем с безэмоциональными безответными инструментами. Я думаю, что так оно и будет.

Но смею вас заверить, почему­то всех людей удивляет, что — ах, САПР еще и разговаривает? А то, что САПР вдруг проложит самостоятельно линию, поймет не только ее местоположение, но и тип, согласует всё с требованиями, а если где­то нарушается стандарт, то вам об этом расскажет — вот эта умная часть работы не удивляет, почему­то меркнет по сравнению с тем, что САПР разговаривает человеческим голосом. Сейчас любой навигатор разговаривает: «Через 20 метров поворот». Это уже никого не должно удивлять.

Д.К.: Поговорим о «болезни» разработчиков ПО — «айпадомании» и облачных технологиях.

А.Л.: Почему болезнь? Тут я с вами не согласен. Вот вы ее называете болезнью, а я говорю, что есть мода, а есть поветрие. Поясню. Поветрие — это то, что в какой­то момент пришло, этим быстро переболели, и потом оно исчезло. А если мода на что­то, то это на какой­то период становится остромодным, об этом все говорят, все это приобретают и используют, а потом к этому все привыкают, но используют только те, кому оно действительно нужно или просто нравится. Когда­то мини­юбки были остромодны, а потом стали немодными, но их все равно носят и будут носить те, кому они нравятся. Это уже быт. С планшетами и облаками тоже так же: острая мода на них пройдет, а они останутся, будут повсеместны.

Д.К.: В вашем докладе было сказано: «САПР будут собираться в PLM без дополнительного программирования интерфейсов и настройки структур данных». Поясните, что вы имели в виду?

А.Л.: Для этого надо оглянуться немного назад. Раньше у нас отдельно была PDM (Product data management), в которой были только данные о продукте. Потом появились и данные о проекте (project), то есть графики, сметы и т.д., вплоть до структуры организации и функционала управления изменениями (issue tracker). Это и означает PLM, которая была очень хорошо интегрирована, причем всегда со своим САПР.

А потом многие вендоры заметили, что все получается очень плохо, потому что много разных хороших САПР, и вендорам приходится включать эти САПР в состав своей линейки продуктов. Но каждый раз интегрировать структуру данных очередной покупаемой разработки САПР в собственную PLM становится все сложнее и сложнее.

После этого, примерно в середине 1990­х, появились наработки в области структуры данных самих PLM­систем. Разработчики моделей данных для инженерных информационных систем при­шли к очень интересному выводу о том, что структура данных в PLM должна на самом верхнем уровне описывать общую модель мира, содержать в себе понятия о времени и пространстве детали. Эти работы привели к созданию стандарта ISO 15926, и на этих идеях были основаны модели данных практически всех современных систем PDM/PLM.

И тут выяснилось, что идеи стандарта ISO 15926 воплощены практически во всех PLM, но вендоров, заинтересованных в массовой реализации самого стандарта, нет. Так что поставщики всех CAD/PLM­систем просто заявили, что они «совместимы со стандартом ISO 15926», хотя по факту никакой совместимости там нет, только «идеологическое соответствие».

Что происходит с реализацией ISO 15926 на самом деле — никто никогда не знает, потому что никто из клиентов не спрашивает.

То есть вы действительно можете различные PLM стыковать с различными САПР и свободно передавать данные, хотя это и очень трудоемко. Пока все PLM следуют общей архитектуре данных, но только немногие реально выполняют требования ISO 15926, а большинство предпочитают свои собственные обменные форматы. Это трудный путь, поскольку разнообразие передаваемых данных увеличивается с каждым годом.

Д.К.: И как скоро вендоры придут к согласию?

А.Л.: Вопрос сложный, поэтому сегодня мы имеем две полярные позиции. Первая, абсолютно теоретическая, инженерная, связанная с computer science, с онтологическим моделированием данных в нейтральном семантическом (даже не объект­ориентированном!) стандарте, а вторая — это позиция протекционизма, защиты вендорами своей продуктовой линии, сохранения олигополии.

Д.К.: Теперь поговорим об искусственном интеллекте.

А.Л.: Да, и это самое интересное. Мой партнер Виктор Агроскин не раз меня поправлял: «Ты зря “искусственный” говоришь, потому что это слово сбивает с толку. Речь идет просто об интеллекте». То, что мы не знаем, как делать в компьютере, — это интеллект. То, что мы знаем, как делать, — это уже не интеллект и не воспринимается как что­то интеллектуальное. Скажем, интеллектуальна ли операция деления? Нет, тут не нужен интеллект, это любой ребенок в начальной школе делает с закрытыми глазами. А в Италии в средние века деление серьезно изучали в университетах. Умение делить было вершиной интеллекта. Вы когда­нибудь пробовали в римских числах делить?

Д.К.: Нет.

А.Л.: А вот попробуйте. Когда­то за это докторскую степень давали!

А сейчас операция деления не считается интеллектуальной, потому что люди знают, как ее делать. И шахматы перестали быть игрой интеллектуальной: любой телефон теперь показывает уровень международного мастера! Предметная область проектирования/конструирования сейчас интеллектуальна потому, что компьютер еще не продемонстрировал тех умений, которыми владеет проектант/конструктор. Но по мере перемещения этих умений в САПР такой САПР перестанет считаться «интеллектуальным».

Д.К.: А как же элемент творчества при проектировании? Того же спичечного коробка. «Железо» не может придумать что­то новое! Любой САПР — это прежде всего инструмент.

А.Л.: Безусловно, потому что пока САПР — Система Автоматизации и ПРоверки.

Д.К.: Автоматизированного проектирования.

А.Л.: Ничего она не проектирует автоматизированно, потому что generative design (порождающее проектирование, когда компьютер сам что­то проектирует) в САПР только­только начинается. И это порождающее проектирование пока еще не особо интеллектуально, человеку нужно программировать в нем выдачу формы. Сначала работает программист, и только потом проектант. То есть вы ему говорите — разбейте криволинейную стену, например, на почти одинаковые элементы, на 1000 почти одинаковых штук — он вам это сам сделает. Или выведет контур крыла в соответствии с заданным уравнением. А вот что­то по­настоящему креативное есть сейчас только в очень развитых лабораториях. Например, такие проекты есть у Autodesk.

Д.К.: Например?

А.Л.: Dreamcatcher — форма деталей в нем не редактируется человеком и не программируется специально, а порождается (генерируется) компьютером на основании выраженного человеком на естественном языке проектного намерения. А когда компьютером (или человеком) уже предложена конструкция, то дальше компьютер может модифицировать форму так, чтобы упростить производство, например снять лишний материал для удобства печати на 3D­принтере. У Autodesk это технология Within. Конструктор или проектант перестает редактировать трехмерную модель, он только выражает намерение и задает ограничения, дальше компьютер думает сам, при необходимости переспрашивая и уточняя замысел.

Вы скептичны тут потому, что, наверное, не отслеживали то, что происходит последние три года в области глубокого обучения (Deep Learning — одно из современных направлений в разработке компьютерного интеллекта). Там с творчеством все нормально: там и тексты, и песни, и стихи уже сочиняются, и картины генерируются. Там много чего интересного. И даже мода генерируется, компьютер теперь имеет художественный вкус.

Д.К.: Это не САПР. Вернее, это не проектирование чего­либо. Это все, можно сказать, игрушки.

А.Л.: Конечно, игрушки, на первых шагах всегда игрушки. Только заметим, это ровно те игрушки, которые почему­то много десятков лет не удавалось сделать. Как цифровые фотоаппараты — вспомним, что первые из них выглядели для профессиональных фотографов игрушками. Ну, и где теперь неигрушечные пленочные модели? С интеллектуальными САПР будет то же самое.

Д.К.: А почему вы уверены, что получится сейчас?

А.Л.: Мне нравятся вопросы: «А почему вы уверены?» В ответах на такие вопросы можно подробней раскрыть свою позицию. Во­первых, речь не идет об одном каком­то изобретении, одной какой­то технологии. Нет, интеллект­стек состоит из очень многих уровней, каждый из которых является вполне самостоятельной технологической платформой. В интеллект­стеке есть уровень «железа», уровень языка вычислительного программирования, уровень вычислительных библиотек, уровень собственно алгоритмов обучения, уровень когнитивной архитектуры, прикладной уровень. Вот тут, на прикладном уровне, впервые можно говорить о САПР. САПР просто будет использовать многие технологии, которые появились в других местах.

Но вопрос остается: а почему с обучающими алгоритмами в этом интеллект­стеке не получалось до сих пор? Основные алгоритмы глубокого обучения были открыты где­то в 1998 году. Но тогда не было возможности их опробовать, потому что не хватало мощности компьютерного «железа». И только несколько лет назад догадались использовать для глубокого обучения графические ускорители для компьютерных игр. Так что спасибо геймерам, они косвенно оплатили прогресс в машинном обучении и тем самым открыли дорогу к интеллектуальным САПР.

Ход с использованием GPU (графических процессоров) не для ускорения графических вычислений был нетривиален. Архитектура этих GPU­систем не очень подходила для тогдашних алгоритмов, не было такого уж существенного ускорения. Но этого хватило, чтобы побить все рекорды в области распознавания изображения, распознавания речи и всего, что связано с распознаванием.

А дальше был еще очень хитрый ход. Когда говорят о распознавании, то принижают достижения глубокого обучения. Говорят: «Ну что вам это распознавание дает? Это просто кодирование, из большого входного пространства вы получаете небольшое выходное. Ну, распознали небольшое число классов, и что дальше?» Но если вы понимаете, как вы кодируете, так же можете и декодировать. То есть из небольшого количества признаков, свойств, компактного абстрактного описания изображения вы можете породить полное изображение. В этот момент у вас уже начинается творчество, то есть вы можете «отжать» информацию из текущих проектов, получить компактное знание проектирования/конструирования, сделать в нем небольшие преобразования, в высокоуровневых терминах высказать намерение и декодировать это компактное представление в исходное — получить традиционную цифровую модель здания или изделия.

Все получилось в эти годы ровно потому, что хватило: первое — понимания, насколько большие объемы данных нужны для машинного обучения. А они нужны очень большие, и сейчас учатся работать с тем, чтобы эти объемы данных были маленькие, как при обучении человека. Прямо сейчас для обучения компьютера нужны миллионы образцов, и пока нет методов обучения на малых объемах данных. И второе — ровно по причине обработки этих миллионов образцов для обучения нужна большая вычислительная мощность, которая раньше была доступна только в суперкомпьютерах.

Я боюсь, что вы недооцениваете этого момента с доступностью суперкомпьютерных вычислений на каждом рабочем месте. В мире САПР хорошо отследили, когда персоналки стали так же мощны, как раньше рабочие станции, но прогресс ведь на этом не остановился! Когда­то терафлоп (триллион операций с плавающей точкой в секунду) — это была запредельная вычислительная мощность. Примерно, как гигабайт, про который говорили, что такой памяти у компьютера не бывает, не то что оперативной, даже внешней. А теперь у нас внешняя память идет на терабайты даже в ноутбуках. То же самое произошло со скоростью.

Если у вас 200 миллионов взрослого очень научного населения какой­то страны и оно делает на калькуляторе 14 вычислений в сутки, — то они за год сделают всего 1 терафлоп этих операций. А вот графическая карта Titan X фирмы NVIDIA делает 7 терафлоп. Это означает, что надо взять семь таких стран со всеми их операциями на калькуляторе 200 миллионов человек по 14 в день за целый год, — и все это Titan X сделает за одну секунду. Понятно теперь, что произошло с мощностью компьютерного «железа» за последние годы?

И в тот момент, когда догадались глубокое обучение вести на игровых видеокарточках (это примерно 2012 год), выяснилось, что, оказывается, с использованием этих игровых видеокарт можно решать задачи распознавания речи, распознавания изображений, анализа текста. Инновация пришла совершенно из неожиданного источника.

Подводя итог вышесказанному, можно утверждать, что мы живем сейчас в то время, когда ситуация с искусственным интеллектом кардинальным образом поменялась. Поменялся тип работы, поменялась парадигма. Компьютерный интеллект больше не программируют, его сейчас обучают. Интеллектуальные САПР не программируют, их обучают. В Autodesk Dreamcatcher язык проектировщика не был запрограммирован, этот язык САПР выучил!

Д.К.: Хорошо, давайте двигаться дальше и отойдем от этой темы.

А.Л.: Давайте. Но еще раз скажу — это коренная точка моего доклада. В это никто не верит, это пропускают мимо ушей. Например, все знают, что в любом смартфоне уже несколько лет есть распознавание голоса. И телефон вашу речь распознает каждые полгода все лучше и лучше. Сейчас вы уже невнятно можете говорить или в условиях уличного шума — телефон все равно распознает речь правильно. Еще и язык сам определяет, когда русский, а когда английский! И это происходит офлайн, внутри телефона, без обращения на серверы Гугла или Яндекса. То есть глубокое обучение снижает требования к компьютерному «железу». В вашем телефоне уже есть та технология, которая позволяет сделать интеллектуальный САПР. И в фирмах, занимающихся выпуском САПР, это понимают.

Д.К.: У меня осталась пара небольших вопросов.

А.Л: Ничего страшного, я всегда готов. Но я понимаю, что то, что я говорю, еще очень непривычно. И оно звучит так же шапкозакидательно, как на самом деле было буквально пару лет назад.

Д.К.: Побольше, наверное. Не пару.

А.Л.: Но пару лет назад еще не было того, о чем я говорил… Все, о чем я говорю, в массы пошло только в 2012 году, когда алгоритмы глубокого обучения неожиданно для всех победили на соревнованиях по распознаванию изображений. Когда эти алгоритмы применили к распознаванию речи, ошибка распознавания уменьшилась сразу на 30%! За последние 25 лет это первый такой скачок качества в распознавании чего бы то ни было.

Д.К.: В вашем докладе вы сказали, что в дальнейшем инженеры — специалисты узкой направленности будут все менее востребованы.

А.Л.: Да.

Д.К.: Но сейчас вся система образования построена и перестраивается на то, чтобы как раз готовить исключительно узких специалистов.

А.Л.: Увы, нет. Это раньше специалистов готовили пять лет, и еще жаловались, что пяти лет не хватает. А сейчас образование устроено по­другому.

Из образования сейчас убирают фундаментальные знания под лозунгами проектности. Но замысел проектности инженерного образования в мире­то был другой! Выполнение студентами проектов должно доводить знания фундаментальных инженерных дисциплин до практического навыка. Один лишь практический навык не делает из человека хорошего инженера. Но мой тезис, касающийся уменьшения потребности в узких специалистах, был не об особенностях образования. Просто чем уже инженерная специальность, тем проще автоматизировать ее в САПР. Самыми последними будут автоматизированы практики системной инженерии: инженерии требований, инженерии системной архитектуры, проведения проверки и приемки (верификация и валидация).

Д.К.: Ну и в заключение — ваши пожелания читателям журнала.

А.Л.: В самом начале своего доклада я сказал, что не всех извозчиков возьмут в таксисты. Когда появятся и внедрятся те технологии и программы, о которых я рассказывал, не всех извозчиков нынешних САПР возьмут в таксисты интеллектуальных САПРов ближайшего будущего. Это во­первых.

Ну, а во­вторых, хочется пожелать, чтобы ваши читатели не ориентировались на горизонты планирования в три или четыре месяца. Нужно утруждать себя исследованиями и разработками на гораздо большие сроки. Как говорится, хорошую вещь импортозамещением не назовут, ее назовут экспорт­ориентированной продукцией. И если ваши читатели хотят хорошей вещью заниматься, то им сейчас надо потратить время и хорошо проработать материалы моего доклада, начать свои исследования и разработки — для того чтобы быть готовыми к этим новшествам.

Д.К.: Спасибо за интересную беседу! 

САПР и графика 11`2015