Искусственные нейросети помогают в решении IT-задач

В последнее время все чаще можно услышать о таких понятиях, как искусственный интеллект, машинное обучение и нейронные сети. Эти направления можно увидеть почти во всех прогнозах о профессиях будущего.

В конце 2018 года и в нашей компании в отделе разработки мобильного программного обеспечения открылось новое направление - машинное обучение. Это направление позволяет решать нетривиальные задачи по обработке изображений, текста и других данных для нужд бизнеса с помощью технологий Big Data, машинного обучения и искусственного интеллекта.

Первой задачей в этой области стало распознавание с использованием искусственных нейронных сетей номерных знаков автомобилей на фотографиях.

Этим проектом занимается программист Игорь Петров. Он увлекся нейронными сетями еще на 2 курсе.

— Однажды на занятиях по теории вероятности и математической статистики преподаватель предложил нам подготовить рассказ про нейронные сети и машинное обучение. Тогда как раз произошел скачок в развитии этих технологий, нейросети GoogLeNet приблизились по точности распознавания образов к восприятию человека. Но в то время, в 2015 году, не было необходимых наборов библиотек, с помощью которых можно было бы легко проектировать нейросети. Тем не менее, эта область меня очень увлекла! Спустя год такие инструменты появились и стали стремительно набирать популярность. Я решил погрузиться поглубже в эту тему, прочитал несколько книг, но в них не было конкретных примеров. В это же время стали появляться разные полезные ресурсы — блоги, обсуждения, конференции, в которых была не только теория, но и разбирались практические задачи. Начал освоение технологий с простых кейсов: классификация изображений, детектирование объектов на картинке, анализ текстов. Все это строилось на сверхточных искусственных нейронных сетях. — рассказывает Игорь Петров.

Глобальная задача IТ — это автоматизация процессов. Действия, которые выполняет человек, могут быть сделаны машиной с большей точностью и скоростью. При этом устраняются человеческие факторы влияния, такие как ошибки при обработке данных, субъективность оценки и так далее.

В рамках этой глобальной задачи и идет работа над проектом «Распознавание номерных знаков автомобилей с использованием нейронных сетей» (для нашего крупнейшего заказчика СЗТ «Максим»). Нейронная сеть способна не только распознать госномер автомобиля, но и отличить номер обычного автомобиля от номера машины, уже имеющегося в базе такси.

А ещё в разработке задача по распознаванию некоторых документов.

Специалисты отдела разработки мобильного ПО планируют в будущем решать и другие задачи с помощью искусственных нейронных сетей. Например, осуществлять прогнозирование поведения пользователей в отношении созданных в приложении заказов, а также учитывать предпочтения водителя относительно заказов. С помощью таких прогнозов возможен оптимальный подбор «водитель-пассажир» на основании таких признаков, как сегмент автомобиля, курящий ли водитель и других. Это должно существенно снизить вероятность отказа от заказа, сделанного клиентом. При этом, водителю будут предлагаться наиболее интересные для него заказы.

Одна из главных задач на будущее — это автоматическая коррекция рассчета цены заказа в зависимости от ситуации в городе и непосредственной близости с адресом подачи автомобиля.

— Механизм коррекции уже имеется, но пока он учитывает мало факторов, при этом обладает инертностью. Технологии машинного обучения в этом случае однозначно сработают лучше. Можно будет учитывать не 10, а 100 или 500 факторов влияния. На учет такого количества факторов «вручную» могут уйти годы, а результат вряд ли будет удовлетворительным). — говорит руководитель отдела разработки мобильного ПО Алексей Медведев.

Ответственный за новое направление Игорь Петров пришел в компанию недавно и сейчас совмещает работу и учебу на последнем курсе КГУ, на кафедре Безопасность информационных автоматизированных систем. В период студенчества он также успел поработать в крупном проекте в сфере медицины.

— Это был полезный опыт для меня. Я работал удаленно в большой команде вместе с ребятами из разных стран. К сожалению, подробностями о работе поделиться не могу, так как подписывал соглашение о неразглашении. Но могу с уверенностью сказать, что проект помог понять основные концепции разработки и проектирования систем машинного обучения, освоить основные технологии. — говорит Игорь.

В январе Игорь пришел в «Технологию» для прохождения преддипломной практики, но за короткий срок зарекомендовал себя и стал полноценным сотрудником.

— Очень легко развиваться и расти в такой компании, где тебя окружает команда опытных специалистов, готовых помочь в трудный момент. И к тому же — полная свобода в разработке: есть задача, а решать ее можно любым способом, нет ограничений в выборе инструментов. — делится Игорь Петров.

Источник: m.vk.com

Комментарии: