Яндекс.Метрика

Искусственный интеллект проникает в «железо»

26дек19

Автор: Александр Горпинюк

Заместитель генерального директора ГК СиДиСи

Опубликовано в журнале IT-Expert [№ 12/2019]

Технологии искусственного интеллекта уже изменили бизнес-процессы компаний. Никого не удивишь чат-ботом или голосовым помощником. ИИ формирует персональные предложения для клиента на основе анализа его предпочтений, помогает найти лучшие места для развития розничной сети и регулирует ассортимент под потребности жителей района, оптимизирует процессы промышленного производства и облегчает бурение скважин.

Будущее — рядом

В первую очередь речь идет о распознавании изображений, звука и текста. Сферы применения таких технологий самые разнообразные — от ритейла до сельского хозяйства и медицины.

Например, анализ фотографий, сделанных на смартфон или планшет, упрощает работу мерчандайзеров: ИИ распознает товары на витринах и их ценники за считаные секунды, сравнивает реальное изображение с корпоративными стандартами выкладки и актуальной ценой с учетом текущих акций и выдает рекомендации по устранению недочетов. Кроме того, система автоматически заполняет маркетинговые документы и отчеты. В итоге сокращается время работы мерчандайзера в каждой точке, что позволяет ему посещать больше магазинов в течение дня. И, что актуально, повышается достоверность информации из торговой сети. Можно также быстро собирать статистику по продукции и акциям конкурентов, анализировать долю каждой полки в динамике.

В свою очередь технологии распознавания изображений позволяют повысить качество произведенных изделий. ИИ в данном случае анализирует соответствие реального изображения эталону и формирует сценарии реагирования при отклонении от нормы.

Во всех этих процессах очень важна быстрая обратная связь от софта — насколько оперативно система выдаст результат распознавания. Это ключевой момент. Большинство имеющихся на сегодня решений зависят от сетей связи: образ с мобильного устройства передается на сервер или в облако, где происходит распознавание, а результат отправляется обратно на смартфон или планшет. И, если сеть недоступна или имеет ограниченную мощность, приложение оказывается практически бесполезным. Поэтому наиболее эффективно здесь решение, позволяющее перевести весь цикл распознавания непосредственно на мобильное устройство, которое работает без подключения к Интернету.

Нейросети требуют затрат

Стоимость мобильных приложений с использованием ИИ может возрастать в несколько раз. Но и эффективность таких решений гораздо выше.

Из чего складывается стоимость корпоративных приложений с использованием ИИ? Практически все технологии, фреймворки машинного обучения, библиотеки (PyTorch, TF, Caffe2) бесплатны и распространяются с открытым исходным кодом. Основную долю в стоимости составляют затраты на проектирование и разработку моделей нейросетей и смежных алгоритмов, а также высокопроизводительное «железо», на котором можно быстро обучать эти модели. Многие проекты требуют работы моделей на большом парке мобильных устройств офлайн, что также предполагает временные и финансовые затраты на корректное проектирование, оптимизацию алгоритмов, комплексное тестирование на разных моделях девайсов, чтобы обеспечить качественную работу и быстрый отклик в конечном мобильном приложении.

Отмечу, что ручная разметка данных, которая необходима для обучения моделей, тоже существенно влияет на стоимость решения. Причем этот процесс обычно происходит нон-стоп, поскольку входные данные для ИИ могут меняться, собирается обратная связь от пользователей, тем самым постоянно повышается точность работы системы.

ИИ стремится к автономности

Перспективы использования искусственного интеллекта в мобильной разработке зависят от возможностей «железа». Так, с точки зрения техники весь ИИ стремится перейти на нативный уровень работы непосредственно в мобильных устройствах, ближе к «железу», чтобы использовать все доступные возможности CPU, графического процессора, DSP и прочих модулей. Выпускаются быстрые нативные библиотеки (CoreML, Android ML), разрабатываются специализированные процессоры с целью увеличить скорость работы ИИ.

В рамках решаемых задач все больший объем начинает занимать дополненная реальность с использованием машинного обучения, в том числе в области промышленности и медицины. Например, предварительное диагностирование по фотографии кожи, лица, сетчатки глаза, а также на основании оценки эмоционального и общего состояния человека (пульс, давление и пр.).

Что же касается отдаленного будущего, то ключевую роль будет играть стремление к автономности ИИ, минимальной зависимости от действий пользователя в мобильном приложении. Например, такая технология поможет агропредприятиям анализировать состояние сельхозкультур на поле: выявлять наличие болезней, определять высоту и объем растений, сверять с идеальными показателями и др.

Помимо прочего, можно прогнозировать также уход от стандартных визуальных интерфейсов в пользу голоса, текста, фото и видео.

Ваше сообщение отправлено!

Менеджер свяжется с Вами в ближайшее время.