Нейронные сети и помощь аллергикам

Наталья ХАНЖИНА, сотрудник лаборатории «Компьютерные технологии» Университета ИТМО:

— Наверняка многие из вас слышали про такую вещь, как нейронные сети. В настоящее время они просто окружают нас: они в наших смартфонах, в интернете, в приложениях — буквально везде. Они определяют наши вкусы, интересы и потребности. Совсем недавно такое массовое внедрение нейронных сетей было невозможно.

Однако в 2012 году случился прорыв в этой области, и нейронные сети стали побеждать в соревнованиях и решать различные задачи машинного обучения на невероятно высоком уровне. Например, задачи, связанные с классификацией изображений. Именно этой подобластью машинного обучения я и занимаюсь.

В мире 30% людей болеют аллергией. И главной причиной аллергии является пыльца. Хорошо было бы автоматически улавливать в воздухе пыльцу, что на данный момент делается стабильно, и автоматическим же образом распознавать виды растений, дабы понять, является ли эта пыльца принадлежностью растений-аллергенов. И автоматически предупреждать больных о начале периода пыления того или иного аллергена. Именно автоматизацией распознавания изображений пыльцы с микроскопа я и занимаюсь. Я начала это делать, когда еще была в бакалавриате, на третьем курсе, «зеленой» студенткой. Наконец, когда я попала сюда (в лабораторию), у меня появились возможности — как технические, так и серверные, для того чтобы решить эту задачу, можно сказать, полностью. На данный момент по этой задаче на 11 видах растений я получила точность выше 99%, чего не достиг ни один автор и ни одна группа исследователей в мире, несмотря на то что эту задачу пытаются решить последние 70 лет. Результаты своих исследований я буду внедрять на станциях пыльцевого мониторинга по всей России, а в перспективе — и в Европе. По данному исследованию я выиграла личный грант, который поможет мне в этом.

Специфика работы в нашей лаборатории состоит в том, что исследователи имеют большую свободу выбора: они могут выбирать, что именно исследовать, каким образом, с кем им коллаборироваться и т.д. В том числе такая возможность дала старт для меня — для занятия самостоятельной предпринимательской деятельностью. И уже в прошлом году мы с моими коллегами организовали первый стартап в области глубоких нейронных сетей, посвященный разработке системы для автоматической аутентификации автомобилей для пропуска их на закрытую территорию. Сейчас мы внедряем нашу разработку в различных домах. Возможно, она уже внедрена у вас.

Машинное обучение — это не рядовая, а очень крутая и универсальная область. Я объясню почему. На мой взгляд, вы можете заниматься фундаментальными исследованиями, то есть разрабатывать новые алгоритмы или модифицировать существующие, для чего вам понадобится большой математический бэкграунд, а также бэкграунд в области теории вероятностей, конечно же. Также вы можете заниматься прикладными исследованиями, если ваше желание — помогать людям, делать что-то действительно полезное и при этом создавать так называемый личный бренд.