Агентные ИИ в логистике: проблемы пространственного мышления
Агентные ИИ в логистике по‑прежнему даёт сбои, когда в дело вступает пространственное мышление. Барт Коппельманс из HERE Technologies объясняет, почему общие модели ИИ понимают язык, но всё ещё терпят неудачу при задачах маршрутизации грузовиков, учёте низких мостов, поиске парковок, предсказании пробок и реальном исполнении.
В эфире сегмента FreightWaves Today Коппельманс объяснил, почему интеллект, связанный с местоположением, должен быть заложен в логистический ИИ с самого начала — а не добавлен позднее, — и как лучшее пространственное заземление может в реальном времени связать планирование, исполнение и обратную связь от водителей. Общие большие языковые модели правильно отвечают лишь примерно на 55% базовых вопросов о направлении движения, и этот разрыв в точности напрямую препятствует внедрению агентного ИИ в логистике, — говорит Барт Коппельманс, руководитель продуктовой линии для корпоративных клиентов в HERE Technologies.
Компания, которая в течение многих лет обеспечивает работу систем управления перевозками, управления автопарком и доставки последней мили, утверждает: интеллект, привязанный к местоположению, должен быть встроен в основу любого рабочего процесса логистики, управляемого ИИ, а не прилагаться позднее.
Отсутствие пространственного рассуждения в современных моделях
Ключевая проблема, пояснил Коппельманс, в том, что передовые модели ИИ понимают естественный язык, но лишены пространственного рассуждения, необходимого для реальных грузовых операций. Такие рутинные задачи, как перенаправление грузовиков с низкой высотой проезда в обход мостовых ограничений, поиск парковки для грузовиков и прогнозирование загруженности портов или дорожных участков, требуют плотной сети данных, привязанных к конкретным локациям, которых современные большие языковые модели не хранят внутри себя.
Собственные картографические и локационные наборы данных HERE содержат более 800 000 специфичных для грузовиков точек данных, охватывающих платные участки, дорожные ограничения и разрешённые маршруты. «Если вы не связали модель с графом локаций и геопространственной моделью внизу, то она начинает сильно галлюцинировать в своих ответах и в исходах, которые вы получаете», — сказал Коппельманс. «Мы рассматриваем это не как путь к полной автоматизации. Мы действительно видим это как путь помощи».
Замыкание петли между планированием и исполнением
Коппельманс описал постоянный разрыв между планированием в офисе и исполнением на дороге, который агентный ИИ, правильно заземлённый в данных о местоположении, мог бы помочь устранить. Диспетчеры могут составлять, казалось бы, оптимальный маршрут, но водители сталкиваются с условиями в реальном времени, которые делают план недействительным. Подход HERE создаёт петлю обратной связи: информация от водителей в полевых условиях возвращается планировщикам и формирует модель обучения, чтобы одна и та же ошибка не повторялась. Цель, по его словам, — перейти от статического планирования к динамической оркестрации между диспетчерами, операторами и водителями.
Помимо маршрутизации, Коппельманс расширил понятие до «транспортного интеллекта» — термина, который он использует для описания движка принятия торговых решений, который HERE строит для одновременной оптимизации по стоимости, соблюдению норм, рискам, безопасности и устойчивости. Вместо вычисления единственного маршрута от точки до точки система спроектирована так, чтобы операторы могли задавать приоритеты — какие KPI или соглашения об уровне сервиса важны для конкретной операции — и получать проактивные предложения, откалиброванные под эти приоритеты.
Человеческий надзор и мультиагентное сотрудничество
На вопрос о надзоре человека Коппельманс ответил прямо: человеческое суждение должно оставаться в управлении на протяжении текущей фазы развития технологии. Он привёл пример корректировок ограничений — если планировщик ослабляет ограничение по расстоянию или стоимости, система теперь может показать дальнейшее влияние на итоговую стоимость, но решение о внедрении этой правки остаётся за человеком-оператором. Он добавил, что не верит в полностью автоматизированные логистические системы «по крайней мере в ближайшее время».
Смотрящим в будущее, Коппельманс назвал многопроцессное (multi-agent) сотрудничество следующей границей — подключение агентов HERE напрямую к системам клиентов и к агентам третьих сторон, чтобы информация и решения текли через организационные границы без необходимости глубокой интеграции программного обеспечения с каждой стороны. Для отрасли в целом, по его словам, первоочередная задача — устранить фрагментацию, применяя агентные возможности бесшовно по рабочим процессам, которые сегодня всё ещё работают в изолированных «силосах».
Ключевые факты
— Передовые модели ИИ правильно отвечают лишь около 55% базовых вопросов о пространственной навигации, что ограничивает их надёжность при маршрутизации и планировании в логистике.
— Наборы данных HERE включают более 800 000 точек, специфичных для грузовиков — платные участки, дорожные ограничения и разрешённые маршруты — чтобы обеспечивать пространственное заземление выводов ИИ.
— HERE рассматривает агентный ИИ как «путь помощи», при котором люди остаются в управлении, и видит многопроцессное сотрудничество между системами клиентов и сторонними агентами как следующий значимый шаг развития.
Анонсы и мероприятия отрасли
В дополнение к основной теме интервью в эфире прозвучали анонсы событий для отрасли: обсуждение вопросов комплаенса и лучших практик от юристов и операторов, живые награждения лидеров FreightTech, сетевые мероприятия и демонстрации технологий — всё это в рамках отраслевых встреч, собирающих сотни руководителей и специалистов для обмена опытом и презентаций инноваций.