Прямой эфир
Ошибка воспроизведения видео. Пожалуйста, обновите ваш браузер.
Лента новостей
Доход Мишустина за год вырос на 1,6 млн руб. Политика, 18:34 Премьер Украины попросил США расширить программу обучения военных Политика, 18:26 Чем оригинальные запасные части для автомобиля лучше. Тест на выживание РБК и Mercedes-Benz, 18:16 Вирусологи оценили перспективы вакцины от COVID-19 со вкусом ряженки Общество, 18:13 Путин заработал за год почти 10 млн руб. Политика, 18:10 Меркель и Макрон призвали Россию убрать войска от границы с Украиной Политика, 18:01 Голландский журнал номинировал песню Manizha на премию за лучший текст Общество, 17:58 Власти назвали сумму средств на эскроу-счетах застройщиков Москвы Недвижимость, 17:56 Хоккейный «Спартак» объявил о переезде на арену «Мегаспорт» Спорт, 17:55 Новая Зеландия собралась полностью запретить табак к 2025 году Стиль, 17:51 Не про деньги: как фонды развивают культуру, образование и науку РБК и Фонд Потанина, 17:42 Хуснуллин поручил создать штаб по росту цен на жилье после критики Путина Экономика, 17:41 Как Uber завлекает потерявших интерес к платформе водителей— Quartz Pro, 17:26 МВД назвало число уголовных дел о заражении COVID-19 по неосторожности Общество, 17:20
С.-Петербург ,  
0 

Российские инженеры открыли скоростной способ обучения роботов

Фото: cognitivepilot.com
Фото: cognitivepilot.com

Компания Cognitive Pilot (входит в экосистему Сбербанка) объявила о разработке уникальной технологии обучения искусственного интеллекта (ИИ). Она, как утверждают ее создатели, позволяет экономить десятки человеко-лет при разработках беспилотных систем, а также значительно упрощает процесс такой разработки. По мнению профессора Университета ИТМО Анатолия Шалыто, новая технология серьезно облегчит внедрение ИИ и в других сферах, в том числе тех, где широко представлен петербургский бизнес.

Ускоренное обучение

По словам, руководителя департамента разработки беспилотных транспортных средств Cognitive Pilot Юрия Минкина, технология основана на ускоренном подборе данных для «обучения» нейросетей. Как утверждают специалисты, именно сложности в «обучении» (насыщение нейросетей нужным объемом информации, заменяющей человеческий опыт) являются главным препятствием к широкому внедрению ИИ.

Причем, такая информация должна быть весьма разнообразной. Например, в сфере беспилотного управления транспортом нейронная сеть должна уметь с промышленной точностью распознавать объекты и тем самым обеспечивать безопасность при любых погодных условиях и времени суток. Для этого ее необходимо обучить, основываясь на данных, содержащих все возможные ситуации, которые могут повлиять на процесс управления.

Пока для обучения приходится использовать огромные массивы валовых данных, содержащих много «мусора» (повторяющихся ситуаций, нерепрезентативных данных и т.п.). Качественную информацию из них до сих пор извлекали вручную, что занимало чрезвычайно много времени.

«Представьте, у нас длительность видеопотоков составляет более миллиарда кадров, — поясняет Юрий Минкин. — Просмотреть их полностью и произвести качественный отбор всех разнообразных изображений специалисту просто нереально. А в результате частичного отбора важные данные могут быть просто потеряны». Необходимость отбора репрезентативных данных из видеопотока до последнего времени являлась одним из главных препятствий в обучении нейронных сетей. Из-за этого, как утверждают специалисты, качественное обучение займет несколько лет, и только после этого ИИ в любой из возможных сфер его применения окажется способен хотя бы частично заменить человека.

Нажми на кнопку

Как поясняют специалисты Cognitive Pilot, компания реализовала подход, который позволяет нейронной сети автоматически выбирать из видеопотока репрезентативные данные. «Мы используем метрику сравнения разных кадров. Так, в задаче автономного управления комбайном при его проезде по кромке мы выбираем кадры, в которых отклонения от среднего превышают определенную величину — например, на изображении появилась «проплешина» или торчащая из земли часть опоры. В результате система этот кадр берет. А при проезде лесополосы картинки хоть и меняются часто (мелькают кусты, деревья), но особого разнообразия в видеопотоке мы не наблюдаем — отклонение от среднего небольшое и такие данные автоматически отсеиваются». — рассказывает Юрий Минкин.

По его словам, новая технология позволяет отфильтровывать из видеопотока «мусорные» данные, никак не влияющие на процесс обучения. Например, процесс перегона комбайна с одного поля на другое, а также моменты, когда он стоит на месте или проходит по участку маршрута с пренебрежительно малыми изменениями полевой сцены. «Если раньше на обработку видеопотока при обучении нейронных сетей и создании датасетов могли уходить годы, то сегодня мы нажимаем на кнопку и получаем результат», — утверждает Юрий Минкин.

Для разных сфер

По словам генерального директора Cognitive Pilot Ольги Усковой, компания, в отличие от многих игроков рынка ИИ, готова обучать нейронные сети на собственных датасетах сразу в нескольких транспортных сегментах: агро, рельсового транспорта и авто.

«Эта инновация в разы сокращает время разработки и кардинально упрощает создание умных решений в одном из наиболее востребованных секторов рынка — беспилотниках. Благодаря этой технологии мы сможем увеличить функциональность существующих решений для автономного управления сельскохозяйственным и рельсовым транспортом и масштабировать наши проекты на новые российские и зарубежные рынки», — комментирует достижения компании первый заместитель председателя правления Сбербанка Александр Ведяхин.

Анатолий Шалыто, профессор Университета ИТМО, считает, что новая технология серьезно ускорит внедрение ИИ также и в других сферах, в которых работают в том числе и петербургские компании: «Подход, предложенный специалистами Cognitive Pilot, позволяет значительно ускорить процесс отбора данных для обучения нейронных сетей и упростить процесс разработок не только в направлении создания автономных транспортных систем, но и в смежных областях, таких как медицина и промышленная робототехника».