Нейросети научат выбирать данные
Подход DVSE позволяет нейронной сети автоматически выбирать из видеопотока разнообразные и репрезентативные данные, используя метрику сравнения разных кадров. Механизм также позволяет отфильтровывать из видеопотока лишние данные, не влияющие на процесс обучения.
Руководитель департамента разработки беспилотных транспортных средств Cognitive Pilot Юрий Минкин отмечает, что разработка подхода длилась около года. "Наше решение является в целом универсальным, и механизм автоматического отбора датасетов с редкими событиями или объектами мы будем использовать во всех своих продуктах для направлений агро-, рельсового и автотранспорта. Какая-либо коллаборация с другими разработчиками нами не планируется, хотя, конечно, мы будем смотреть и внимательно изучать мировой опыт в этом направлении при развитии и совершенствовании нашего решения. На настоящий момент мы не планируем коммерческого распространения нашего решения. Оно будет использовано только во внутренних проектах. В будущем, возможно, мы рассмотрим такой вопрос", - подчеркивает Юрий Минкин.
Первый заместитель председателя правления Сбербанка Александр Ведяхин отметил: "Наши коллеги из Cognitive Pilot продемонстрировали огромное преимущество систем искусственного интеллекта над традиционными подходами. 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".
"У нас большой опыт по обучению нейронных сетей и созданию датасетов. В этой зоне мы в числе мировых лидеров. В отличие от многих игроков рынка искусственного интеллекта для беспилотного транспорта, которые работают в основном с готовыми данными, публичными датасетами и используют их в приложениях для одного направления - или агро, или automotive, или иного, - мы накопили солидную экспертизу по обучению нейронных сетей на собственных датасетах сразу в нескольких сегментах: агро, рельсового транспорта и авто", - говорит генеральный директор Cognitive Pilot Ольга Ускова.
"В данный момент нельзя сказать, какое решение будет революционным в разработке беспилотников: битва за первый массовый беспилотный автомобиль на общественных дорогах еще идет. Каждый месяц разные компании у нас и за рубежом объявляют о новых достижениях. Данная технология интересная, однако насколько она продвинет разработку в целом, пока неизвестно", - комментирует архитектор машинного обучения Softline Digital Lab Николай Князев.
Николай Князев считает, что выгода использования подхода DVSE сильно зависит от задачи. "Сама технология подразумевает создание пространства тегов (слов) и определение тех тегов, которыми возможно описать изображение, но как их использовать с коммерческой точки зрения - вопрос. Ведь если рассматривать это нововведение технически, то критерий успеха один - насколько улучшена финальная метрика всей системы. А если коммерчески, то непонятна идея сделать большое пространство близких тегов, но что потом с ним делать? Ведь компаниям нужно выявление не всех возможных тегов, а конкретных, и вот качество на выявлении тех нужных тегов и будет показателем в задачах от дефектов на производстве до перебегающих дорогу кошек", - отмечает Николай Князев.
"Эта технология появилась довольно давно по сравнению с развитием технологий машинного обучения - семь лет назад. С этого момента появилось огромное количество других гораздо более востребованных технологий и готовых нейронных сетей. То, что ей нашли применение - интересно, однако востребованность будет определяться исключительно по стабильности работы собранного решения", - подчеркивает Николай Князев.
"Использование векторных представлений – embedding - для сжатия данных при минимальной потере исходной информативности действительно является мейнстримом в области эффективного обучения моделей и сокращения количества вычислений как в процессе разработки, так и в применении моделей машинного обучения. Методы формирования подобных векторных представлений постоянно совершенствуются, однако идея обучения при отнесении близких объектов в близкие векторные представления кажется неизменной. Если скорость отработки модели является достаточной для работы на ресурсах беспилотных летательных аппаратов, то решение имеет высокий потенциал промышленной реализации", - отмечает руководитель направления "Большие данные" компании "Техносерв" Денис Рыбченко.
