Машинное обучение в мешке. Как стартапы выдают за искусственный интеллект труд дешевых фрилансеров —
Помните стартап Theranos, который утверждал, что научился делать практически любые анализы крови всего лишь по одной капле крови, взятой из пальца, а на самом деле заказывал тесты в обычных лабораториях? Разоблачение Theranos потрясло биотех. А на рынке решений на основе искусственного интеллекта таким никого не удивить. Разработчики регулярно пытаются продать под видом ИИ труд аутсорсеров. Как распознать подлог, по просьбе The Bell объясняет Анастасия Десятова, директор по консалтингу «ABBYY Россия».
В конце июля инвесторы обсуждали громкое разоблачение стартапа ScaleFactor, который целых шесть лет выдавал за искусственный интеллект работу обычных бухгалтеров и за счет этого привлек $100 млн инвестиций. Это далеко не первый подобный случай. В прошлом году компания Engineer.ai погорела на том, что разработала приложения не с помощью ИИ, как утверждалось, а силами армии программистов из Индии. Даже гигантов ловили на подобном. Например, Amazon предлагал клиентам продукт «Умный дом» с интеллектуальным видеонаблюдением. А потом оказалось, что никакого ИИ там не было. Был украинский офис сотрудников на аутсорсе, которые вручную просматривали кадры с камер и выделяли мышкой объекты: деревья, машины и т.д.
Мы в ABBYY как-то столкнулись с обманутым заказчиком. Горе-подрядчик, с которым он сотрудничал, предложил готовое решение для автоматического распознавания бумажных документов с крайне сложными шрифтами и фоном. Чтобы уговорить заказчика на сделку, эти «эксперты» просто посадили 100 человек, их силами обработали небольшой массив документов и сказали, что все сделано с помощью ИИ. Когда же дело дошло до реального проекта на миллионы документов, заказчик с удивлением узнал, что технология еще не работает. Обратились за помощью к нашим специалистам, они проанализировали задачу, оказалось, что на обучение и настройку такого решения нужны как минимум несколько недель. У этой истории хороший конец: проект был реализован, хотя и с некоторым опозданием.
С мошенниками все понятно. Но зачем респектабельные вроде бы компании идут на обман?
40%
европейских AI-стартапов вводят инвесторов в заблуждение, следует из исследования MMC Ventures
Гудвин, великий и ужасный
Для подмены ботов людьми на Западе уже придумали термин: Wizard of Oz — по аналогии с циркачом Гудвином, который за ширмой управлял механизмами и вводил в заблуждение незадачливых зрителей. По данным последнего исследования британского венчурного фонда MMC Ventures, таких «гудвинов» немало: более 40% европейских компаний, позиционирующих себя как стартапы в сфере ИИ, на самом деле не имеют к нему отношения.
Одна из причин: так компании хотят получить доступ к данным заказчика, будь то документы, изображения, видео и так далее. Любое решение на базе машинного обучения требует большого количества размеченных данных, которые часто защищены коммерческой, банковской или другой тайной. Так, чтобы научить технологию автоматически относить документ к определенному типу и извлекать из него текст, нужны тысячи документов, на которых обозначено, что на них необходимо «увидеть». Для распознавания рукописного текста нужно значительное количество не просто букв, написанных от руки, а сочетаний букв в словах — например, чтобы «и» и «н» шли рядом.
Итак, стартап получает инвестиции, данные и потихоньку дорабатывает свою технологию. Например, так поступил разработчик Return Path. Компания предлагала сервис по автоматическому написанию ответов на письма. При этом никого не предупредили, что сообщения читают и пишут люди, а сами письма используются для разработки маркетингового софта. В мире повсеместной удаленки, хорошей связи, краудсорсинговых площадок легко собрать армию добровольцев и их руками наколачивать данные. Вот только бизнес в этом случае платит не только за псевдоавтоматизацию, но и за человеческие ошибки.
Как же распознать подлог? Ниже пять главных признаков «гудвинов».
Космическая скорость запуска
Когда уже упомянутый Engineer.ai заявил, что разработает с помощью ИИ приложение любой сложности всего за час, это уже звучало подозрительно.
Да, безусловно, существуют и типовые проекты в сфере интеллектуальных технологий. Запустить чат-бота, который текстом отвечает на однотипные вопросы пользователей, можно за несколько дней. За один-два месяца — если встречаются какие-то более сложные варианты ответа или переадресации. Но если вы планируете сложный проект, примеров которому раньше не встречали на рынке, то не стоит верить специалисту, который обещает реализовать проект за два дня.
Научить человека делать рутинную задачу (например, извлекать какие-то данные) легко. Наняли 40 аутсорсеров, объяснили, что из паспорта надо перепечатывать ФИО, дату рождения и прописку. Готово! Не нужно учить, что это за поля, как они выглядят — это гарантирует быстрый запуск: не надо ничего тестировать, разрабатывать, корректировать, делать обучающую выборку, если с первого раза что-то не получилось.
Научить ИИ извлекать что-либо из документа, видео или изображения гораздо сложнее. Конечно, существуют методы transfer learning: уже предварительно обученные нейросети, которые можно дорабатывать на ограниченном объеме данных под конкретный сценарий. Но в этом случае зрелые разработчики предоставляют дополнительные инструменты. В таких проектах обучение может происходить на стороне заказчика, он может сам отслеживать результаты и контролировать исход проекта.
Гарантия качества, 100%
Ни одна серьезная компания, которая работает в сфере ИИ, не станет обещать стопроцентную точность при обработке любых данных — будь то документы, фотографии людей или записи с камер видеонаблюдения. Технология может ошибаться, так как все зависит не только от алгоритма, но и от внешних условий.
Например, распознавание отпечатков пальцев хуже работает в дождь, на морозе, да и в более банальных ситуациях — например, если пользователь не помыл руки. Даже у самых продвинутых технологий распознавания лиц точность не идеальна, хотя и может достигать 99,99997%. Если подрядчик обещает достичь тех или иных показателей по качеству, в договоре он пропишет условия, при которых это будет возможно. К примеру, при автоматической классификации документов будут прописаны типы документов, поля, которые будут извлекаться, требования к качеству самих изображений.
Если же компания сразу гарантирует идеальное качество, то, скорее всего, результаты работы ее ИИ дополнительно проверяют вручную. Некоторые даже и не притворяются, а открыто признаются в этом. Например, так делает Cloudsight.ai: компания предлагает разработчикам веб-сайтов сервис, который размечает фотографии и изображения тегами. Большую часть работы действительно делает ИИ, но в случаях, когда программа сомневается, запрос в реальном времени уходит одному из 800 аутсорсеров в Индии, Юго-Восточной Азии и Африке. Это честно по отношению к заказчику: алгоритмы и люди работают в связке, чтобы улучшить конечный результат. Не случайно Cloudsight.ai — одна из немногих технологий, которая справляется с распространенной проблемой распознавания образов: не пытается увидеть овец на изображениях, на которых их нет.
Любой каприз за ваши деньги
Еще один тревожный сигнал: подрядчик сразу соглашается выполнить любые ваши хотелки. Чаще всего такие обещания дают молодые неопытные разработчики, которые плохо оценивают свои силы и ресурсы. Но иногда бывает и так, что ожидания от продукта изначально были завышены.
В свое время, например, многие отчасти разочаровались в возможностях технологии IBM Watson для медицинской диагностики. На этапе тестирования решение действительно впечатляло: в базах данных хранилась информация обо всех редких заболеваниях, и технология могла справиться даже со сложными случаями за считанные секунды. Но, когда компания начала внедрять свой продукт в медицинские организации, оказалось, что в процессе диагностики много исключений, к тому же врачи тратят больше времени, чтобы загружать информацию о пациентах в систему.
Опытный исполнитель, изучив техническое задание, задаст много вопросов. Более того, итоговое решение может сильно отличаться от проекта на старте: в ходе внедрения заказчик и исполнитель лучше понимают цели автоматизации, реальные возможности и ограничения технологий применительно к конкретному бизнес-процессу.
В результате предварительной оценки может даже выясниться, что ИИ в данном случае не нужен, а достаточно, например, по-другому организовать работу сотрудников.
Тайна, покрытая мраком
Если у компании есть обученная нейросеть, это значит, что она где-то смогла достать массивы данных. Может быть, это были данные других заказчиков. Может быть, использовались открытые источники. Если компания отказывается рассказать о данных, на которых она обучила свою технологию, ссылаясь на «секретность» и «уникальность», это тревожный знак.
Стоит отметить, что подобная таинственность характерна не только для ИИ-разработчиков, но и для технологических стартапов в целом. Наверное, самый громкий пример — Theranos. Основательница компании утверждала, что разработала технологию, которая позволяла получить точный анализ крови всего из нескольких капель. Технология, как утверждала Холмс, позволяла проводить более 200 анализов, но при этом никто не знал, как она работает. Оказалось, что большинство тестов компания делает на оборудовании сторонних производителей, а собственных разработок у нее нет.
В целом чем больше информации подрядчик предоставляет о своем продукте, тем лучше.
Человеческие ошибки в работе машины и проблема масштабирования
Хотя стереотипные роботы очень похожи на людей, мыслят, мечтают и действуют как человек, настоящие машины сильно от нас отличаются. Мы даже ошибаемся по-разному.
Технология никогда не спутает Петрова Ивана с Иваном Петровым и не сможет распознать 1931 год как 1913-й, хотя это типичные для человека ошибки, допущенные по невнимательности. Скорее, машина может распознать цифру 3 как 8, а Петрова Ивана — как Петр0ва ИваНа. Или может так случиться, что технология вообще не разберется, что за файл она обрабатывает, и выдаст ошибку. Так и разоблачили бухгалтеров из компании ScaleFactor, когда стали получать от них отчетность со множеством именно человеческих ошибок.
Еще один важный момент: обучить настоящий ИИ дольше и сложнее, чем людей, но при этом масштабировать такую систему можно очень быстро. Гораздо проще нарастить ядра процессора, мощности компьютера. Провернуть такой же трюк с людьми быстро не получится.
Если вам нужно перейти от обработки тысячи документов в день к миллиону, сделать это с помощью технологий не так уж и сложно. Если есть железо, то это несколько часов работы системного администратора. А нанять и быстро обучить людей в таком огромном количестве просто невозможно. Scalefactor как раз столкнулся с этой проблемой: привлекли много клиентов из малого и среднего бизнеса, но справиться со всей их бухгалтерской отчетностью не смогли. Как рассказывают 15 бывших сотрудников, компания избрала агрессивную стратегию продаж и высшим приоритетом сделала привлечение капитала, а не разработку программного обеспечения. Результат — ошибки и опоздания.
Российский искусственный интеллект нацелился оставить программистов без работы. Он впервые написал программу самостоятельно
Нейросеть ruGPT-3, обученная специалистами дочерней компании Сбербанка Sber AI, самостоятельно написала компьютерную программу на С++ и Java. Это первое зарегистрированное в России ПО, написанное искусственным интеллектом.
Искусственный интеллект выучился на программиста
В России зарегистрирована первая компьютерная программа, с нуля написанная искусственным интеллектом. Как сообщили CNews представители Сбербанка, за ее разработкой стоит команда Sber AI, дочерней компании банка.
Программа получила название Artificial Vision («Искусственное зрение», – англ.). Это часть программного комплекса, разработанного Sber AI в рамках научного поиска и направления AGI (сильный искусственный интеллект).
На момент публикации материала Artificial Vision была зарегистрирована в Роспатенте. Дополнительно она внесена в Реестр программ для ЭВМ – ей присвоен номер 2021661571.
Тренировкой нейросети, написавшей программу, занимались сотрудники Sber AI. Именно они указаны в протоколе о регистрации в графе «Авторы». По информации представителей Сбербанка, над программой работала нейросеть ruGPT-3.
Для написания программы использовались языки С++ и Java, каждый из которых, наряду с Python, С и C#, входит в топ-5 самых популярных языков программирования в мире по версии Tiobe. Скомпилированная программа весит 1,7 МБ.
Что делает программа
Созданная искусственным интеллектом программа Artificial Vision умеет имитировать зрение человека. ПО позволяет сопоставлять пиксели изображения нейронам «сетчатки» искусственного глаза.
Один из вариантов использования Artificial Vision – это создание модели искусственного интеллект со способностью к существованию в виртуальной среде и обучению восприятию визуальных сцен. Другими словами, программа обеспечивает распознавание визуальных образов.
Перспективы нейросетей как разработчиков ПО
Нейросеть ruGPT-3, написавшая Artificial Vision, была обучена нескольким языкам программирования. Как сообщили «Ведомостям» представители Сбербанка, в дальнейшем она сможет взять на себя ряд рутинных задач, выполняемых программистами.
Sber AI планирует и дальше совершенствовать нейросеть и развивать в ней навыки написания программ. «Не исключено, что «Сбер» начнет предоставлять технологию как коммерческую услугу, когда она станет более совершенной», – сообщили изданию представители Сбербанка.
Стоит ли разработчикам бояться конкуренции
Представители портала HeadHunter называют программистов «дефицитным и капиталоемким кадровым ресурсом», подчеркивая, что свободных специалистов в этой отрасли, готовых откликнуться на открытую вакансию, пока довольно мало. Это влечет за собой и рост зарплат, который в первом полугодии 2021 г. составил 9% год к году.
Программисты действительно могут получать сотни тысяч рублей. Как сообщал CNews, хорошей зарплатой обеспечены как минимум разработчики, пишущие на Python и C#.
Однако внедрение искусственного интеллекта, способного писать программы, позволит компаниям резко сократить свои расходы – в пределах 6 млн руб. в год, и это еще на самых простых проектах, над которыми трудятся два-три программиста. Если же над той или иной программой трудятся до 10 человек, их замена на искусственный интеллект позволит сэкономить до 30 млн руб., рассказали «Ведомостям» представители HeadHunter.
Более оптимистично смотрит на внедрение искусственного интеллекта в среду программирования основатель и гендиректор группы vvCube Вадим Ткаченко. «С развитием технологии программистов, с одной стороны, будет требоваться меньше, с другой – за искусственным интеллектом нужно будет кому-то следить, а для этого нужны программисты более высокого уровня», – сообщил он изданию.
Мировая практика
Искусственный интеллект дополняет и постепенно заменяет программистов не только в России. В июне 2020 г. CNews писал, что компания Amazon запустила сервис Honeycode для создания приложений без необходимости написания программного кода. Проект полностью бесплатный, и использовать его могут как обычные потребители, так и крупные компании. К примеру, Slack, разработчик одноименного мессенджера, уже заявил о готовности к использованию Honeycode в своей работе.
В конце июня 2021 г. корпорация Microsoft запустила сервис Copilot, представляющий собой виртуального помощника программиста на базе искусственного интеллекта.
Распространяется Copilot на бесплатной основе. Он изучает код и комментарии к нему и предлагает разработчику функции и целые строки для добавления в этот код. Такой подход ускоряет процесс написания программ и дает возможность полностью отказаться от поиска решений в интернете. В процессе работы Copilot обучается и с каждым разом становится все умнее.
За месяц до запуска Copilot Microsoft создала инструмент для написания ПО без развитых навыков программирования. Проект получил название Microsoft Power Apps, и он пригодится тем, кто пишет на языке Power Fx. С его помощью пользователи могут разрабатывать программы в формате диалога с компьютером. Например, при разработке приложения в сфере электронной коммерции можно будет описать в диалоге желаемую цель на естественном английском языке, после чего Power Apps задействует алгоритмы искусственного интеллекта и предложит варианты преобразования этого запроса в формулу Microsoft Power Fx.
В октябре 2020 г. в открытом доступе появилось приложение Lobe для создания готовых моделей машинного обучения. Lobe дает возможность создавать такие модели даже тем, кто не умеет программировать – от пользователей нужно лишь загрузить в нее данные, а всю работу программа выполнит сама. Lobe полностью бесплатна. Результат ее работы затем можно использовать в сторонних ПО и устройствах. Разработала Lobe все та же Microsoft.
Разоблачение индийского стартапа, выдававшего работу программистов за искусственный интеллект
Как поймать удачу за хвост с помощью нейросетей?
Спустя 60 лет интерес к искусственному интеллекту (artificial intelligence, AI) разгорелся с новой силой. В последнее время в сфере ИИ произошло много удивительных научных прорывов. Пожалуй, самым громким из них стала победа программы DeepMind AlphaGo над одним из сильнейших игроков в го.
К тому же технологии искусственного интеллекта все шире применяются на практике. Их уже давно приспособили для решения бизнес-задач. Но сейчас феномен ИИ открывается для массовой аудитории. Сервисы на базе нейросетей входят в жизнь обывателей и получают громадный виральный эффект.
За примерами далеко ходить не надо — достаточно вспомнить недавний успех отечественных проектов Prisma и Findface, а также белорусского стартапа MSQRD.
Как это часто случается революционными технологиями, искусственный интеллект вконец затаскан маркетологами. Он перестал быть научным термином и стал маркетинговым инструментом. Чтобы не дать ввести себя в заблуждение, нужно понимать, что сейчас искусственный интеллект — не замена человеческого, а набор средств для автоматизации решения интеллектоемких задач.
Сегодня под ИИ понимаются когнитивные технологии:
— машинное обучение и обработка больших данных;
— распознавание и обработка речи и текстов;
— распознавание и обработка изображений;
— компьютерное зрение;
— разработка умных роботов и систем управления.
По наблюдениям агентства CB Insights, инвестиции в ИИ сегодня бьют все рекорды. За последние 5 лет количество сделок в этой сфере выросло с 67 до 397, общий объем финансирования AI стартапов — с $282 млн до $2,4 млрд.
С начала 2016 года инвестиции привлекли больше 200 разработчиков систем искусственного интеллекта (на общую сумму около $1,5 млрд). Собственные разработки в области ИИ ведут IBM, Google, Facebook, Apple, Samsung, Amazon и Microsoft. ИТ-гиганты пачками скупают стартапы, у которых есть разработки на базе нейросетей.
Разрабатывает технологии распознавания лиц с помощью нейронных сетей. Выпускник факультета вычислительной математики и кибернетики МГУ Артем Кухаренко основал эту компанию в 2015 году. Команда проекта разработала интеллектуальный алгоритм FaceN, который умеет анализировать черты лица лучше человека.
В декабре 2015 года FaceN выиграл мировой чемпионат по распознаванию лиц The MegaFace, обойдя команду Google. Алгоритм N-Tech.Lab лучше остальных 100 команд выделил изображения одних и тех же людей в миллионной базе фотографий. В феврале этого года N-Tech.Lab запустила сервис Findface. Он с 70-процентной точностью находит профили человека «Вконтакте» по фотографии. Базовый функционал приложения доступен бесплатно, премиум-версия стоит от 149 до 459 рублей в месяц.
В апреле это приложение дважды обошло заголовки всех российских СМИ. Сначала питерский фотограф Егор Цветков прогремел проектом «Your Face Is Big Data». Он сфотографировал случайных попутчиков в метро и с помощью Findface нашел их профили в соцсетях. Это вызвало широкую общественную дискуссию о приватности в интернете.
Через несколько дней Findface снова оказался в эпицентре скандала. Пользователи форума «Двач» применили сервис для деанонимизации порноактрис. Они разослали откровенные кадры друзьям и родственникам девушек.
Сейчас N-Tech.Lab собирается задействовать свой алгоритм в b2b-продуктах — в первую очередь, для розничной торговли, безопасности и финансов.
Александр Ханин, Иван Лаптев, Алексей Корничев и Алексей Нехаев зарегистрировали компанию в 2012 году. На старте они вложили в нее 3 млн рублей. VisionLabs разрабатывает технологии распознавания лиц для бизнеса (ритейла, финансового сектора, видеонаблюдения и безопасности). Они предлагают им свою платформу VisionLabs Luna и облачный сервис Face_Is. По данным компании, их продукты обрабатывают изображения в 200 раз быстрее конкурентов.
Сразу после создания стартап стал резидентом IT-кластера «Сколково». Инвестиций он пока не привлекал, зато получил 30 млн рублей грантов от Фонда Бортника, субсидию Минобрнауки и до 1 млн рублей от ФРИИ. По результатам теста Массачусетского университета VisionLabs вошла в тройку лучших мировых коммерческих систем по распознаванию лиц.
Сейчас продуктами VisionLabs пользуются 14 розничных банков России и СНГ. В прошлом году стартап запустил пилотные проекты в банках и аэропортах США и Юго-Восточной Азии, а в данный момент готовит пилоты для клиентов из ритейла и HoReCa. Среди технологических партнеров VisionLabs — ABBYY, SAS, SAP, Intel.
В июне 2016 года VisionLabs запустила совместный проект с Facebook и Google — открытую платформу для разработчиков систем компьютерного зрения.
В 2011 году красноярец Юрий Буров продал свою первую ИТ-компанию и переехал в Москву, чтобы заняться робототехникой. В 2012 году он вместе с инженерами Андреем Грязновым и Константином Крестниковым запустил компанию Cubic Robotics. Они разработали Cubic — домашнего робота-ассистента с голосовым управлением. Гаджет умеет шутить, заводить будильник, напоминать о делах, включать и переключать музыку, рассказывать о пробках и погоде, читать новости и отвечать на вопросы.
Его первый прототип состоял из смартфона, динамика и мобильного приложения. В 2013 году Cubic обрел отдельный пластиковый корпус. Тогда же красноярский бизнесмен Константин Сенченко вложил в стартап $100 тысяч, через год — еще $500 тысяч. Он получил 22% акций Cubic Robotics.
Позже они открыли офис в Кремниевой долине и сфокусировались на обработке естественного языка. Их концепция расширилась от домашнего робота-помощника до системы голосового управления другими гаджетами, умным домом и онлайн-сервисами.
Cubic реализован в двух форматах — в стационарном девайсе Home Cube (питается от розетки и слышит хозяина на расстоянии 5-8 метров, цена $195) и в гарнитуре Power Badge (цена $99). В 2015 году проект собрал на Indiegogo $185 тысяч.
В феврале 2016 года компания привлекла от группы инвесторов $800 тысяч. Сейчас приложение Cubic.ai (интеллектуальный ассистент для интернета вещей с голосовым интерфейсом) проходит бета-тестирование в Google Play.
Уроженцы России Дмитрий Аксенов и Михаил Наумов запустили DigitalGenius в США в 2013 году. Они применяют искусственный интеллект для автоматизации клиентской поддержки в чатах, соцсетях, по электронной почте и смс.
Алгоритм обучается на скриптах прошлых разговоров. Он сам подбирает ответы на вопросы пользователей и ранжирует их по степени достоверности. Если она высока, ответ отправляется автоматически, если нет — используется как подсказка для живого консультанта. Подтверждая или изменяя текст ответа, сотрудник совершенствует систему.
Продуктами DigitalGenius пользуются, в частности, BMW, Panasonic и Unilever. Год назад стартап занял второе место в TechCrunch Disrupt New York Battlefield и привлек $3 млн от американских фондов.
В начале этого года журнал Forbes включил Аксенова и Наумова в свой список 600 самых ярких предпринимателей младше 30 лет. В мае компания подняла еще $4,1 млн. В раунде участвовала бывший pr-менеджер фонда Runa Capital и бизнес-ангел Маша Дрокова. Офис DigitalGenius находится в Нью-Йорке, в команде работают 20 человек.
В 2010 году россияне Илья Гельфенбейн, Павел Сиротин и Артем Гончарук запустили проект Speaktoit. Они начали с разработки голосового интерфейса для мобильных приложений. Бета-версия их первого продукта — Siri-подобного виртуального помощника Assistant.ai — появилась в магазине Android в мае 2011 года.
Благодаря самообучающемуся алгоритму Assistant подстраивается под пользователя — запоминает его любимые места, функции и услуги, использует накопленный опыт для улучшения рекомендаций и понимает естественный язык.
Сначала разработка не вызвала особого ажиотажа. Но в октябре Apple 2011 года презентовала iPhone 4S, изюминкой которого стал голосовой помощник Siri. Люди начали так активно скачивать Assistant, что стартап столкнулся с нехваткой вычислительных мощностей. Компания стала резидентом ИТ-кластера «Сколково» и получила от фонда грант. А в 2012 году фонды Intel Capital и Alpine вложили в Speaktoit $3 млн.
Летом 2014 года стартап поднял еще $2,6 млн от группы инвесторов во главе с Motorola Solutions Venture Capital. Видимо, конкурировать с Siri оказалось слишком тяжело: тогда же команда переориентировалась на решения для интернета вещей и перезапустила проект в Кремниевой долине как Api.ai. Они стали продавать свои разговорные интерфейсы разработчикам приложений, сервисов и умных устройств.
В августе 2015 года Api.ai получил $3 млн инвестиций от своих прежних инвесторов и фонда SAIC Capital, принадлежащего китайскому автопроизводителю. Привлеченные средства позволили стартапу сделать свой API бесплатным для разработчиков. Компания решила монетизироваться за счет кастомизации и лицензирования своих решений для крупного бизнеса. На тот момент разговорный интерфейс Api.ai использовали 8,5 тысяч разработчиков.
В 2014 году ресторанный критик и экс-главред сайта «Афиши» Евгения Куйда и бывший сотрудник агентства РИА Новости Филипп Дудчук выпустили рекомендательный сервис по выбору ресторанов. Изначально приложение называлось IO, затем его переименовали в Luka. Их умный алгоритм понимает отзывы о заведениях, запоминает вкусы пользователя, помогает ему сделать выбор и забронировать столик. Все эти действия обеспечивает разговорный интерфейс.
Luka стал первым российским проектом в истории акселератора Y Combinator. О нем написали Wired и TechCrunch. Cтартап получил $120 тысяч от акселератора и неназванную сумму от американского фонда Sherpa Capital. Монетизироваться проект планирует путем комиссий за бронирование и другие услуги.
Весной Luka дополнил свой сервис умными ботами для поиска изображений, гифок, получения новостей и погодных сводок. Тогда же он привлек еще $4,42 млн от Sherpa Capital, Y Combinator и других инвесторов.
В мае компания Куйды и Дудчука вызвала в рунете бурные обсуждения. Они выпустили для своего мессенджера чат-бота в память о погибшем основателе Stampsy Романе Мазуренко. Нейросеть воссоздала его образ на основе его переписок с друзьями, фотографий, статей и постов в соцсетях.
В начале года основатель ABBYY Давид Ян запустил в США интеллектуальный поисковик Findo. До того над ним полтора года работала секретная команда из 17 человек. Технология позволяет искать информацию в интернете, в облачных хранилищах и локальных файлах, а также понимает запросы на естественном языке (пока только английский).
В продукте используются наработки технологии ABBYY Compreno. Это система для глубинного семантического анализа текстов, на создание которой ABBYY потратила более $80 млн и более 10 лет.
Благодаря способности к самообучению Findo будет накапливать опыт и повышать качество поиска. ABBYY вложила в стартап $3 млн. Головной офис компании находится в калифорнийском Менло-парке. Зарабатывать они планируют по модели freemium: базовые функции бесплатны, расширенная версия будет стоить около $5 в месяц.
11 июня в App Store появилось приложение Prisma, которое стилизует фотографии пользователей под работы известных художников с помощью искусственной нейронной сети. Проект запустил сотрудник Mail.ru Group Алексей Моисеенков, остальные три участника проекта — выходцы из «Яндекса».
Продукт оказался на редкость виральным, опередив самые смелые ожидания основателей. За 9 дней приложение стало самым скачиваемым в App Store 10 стран: России, Белоруссии, Эстонии, Молдавии, Киргизии, Узбекистана, Казахстана, Латвии, Армении и Украины. Пользователи скачали Prisma уже более миллиона раз. Стартапу сейчас приходится искусственно сдерживать рост, чтобы вычислительных мощностей хватило для обработки увеличивающегося потока изображений.
От привычных фоторедакторов Prisma отличается тем, что снимки пользователей модифицирует самообучающаяся нейросеть, а не предсказуемый алгоритм. Это далеко не первый подобный проект. Но, как говорят эксперты, Prisma первыми сумели оптимально масштабировать свой продукт для массового использования.
Вслед за Facebook и Google: как заработать на искусственном интеллекте
2020 год — время прорыва для проектов по развитию искусственного интеллекта
Почти пятую часть всех вложений в 2020 году мировые венчурные фонды сделали в стартап-проекты по развитию искусственного интеллекта. По прогнозам экспертов, глобальный рынок решений в области искусственного интеллекта будет расти на 40,2% в год и к 2025 году составит $337,7 млрд. Это делает ИИ-компании максимально перспективным с точки зрения вложения средств.
По данным KPMG, глобальная активность венчурных инвесторов выросла до $300,5 млрд в прошлом году — на 6% по сравнению с предыдущим годом. Основной вклад в этот рост внесли биотехнологии и здравоохранение, а также IPO таких крупных компаний, как Airbnb, Coinbase и Doordash — сумма инвестиций венчурных фондов в эти направления в 2020 году выросла почти в 2 раза.
Объем инвестиций в сектор развития искусственного интеллекта рос быстрее рынка — на 34% годовых, что обусловлено ростом проникновения технологии в повседневную жизнь: в 2020 году предприниматели оперативно внедряли ИИ-решения, чтобы автоматизировать процессы и сделать бизнес более цифровым. В 2020 году инвесторы вложили в ИИ-компании $55 млрд, что составило 18% от общего объема инвестиций.
Как и раньше, инвесторам в первую очередь интересны проекты на поздних этапах развития: сформированная бизнес-модель, наличие клиентов и понятная стратегия развития продукта снижают риск вложений.
Большую часть средств (62%) фонды инвестировали в зрелые проекты, треть — в проекты на ранней стадии. Доля «ангельских» инвестиций составила 3%. По данным PitchBook за первый квартал, средний размер одной сделки составил: $18,6 млн на поздних стадиях (что уже превысило показатель прошлого года на треть); $7,9 млн — на ранних; $1,7 млн — на «ангельской» стадии инвестирования.
Каждому IT-гиганту — по искусственному интеллекту
Технологические гиганты продолжают инвестировать в ИИ-компании. В 2020 году каждая из крупнейших IТ-корпораций мира купила как минимум одну компанию по развитию искусственного интеллекта. Например, Facebook инвестировал около $40 млн в проект в области компьютерного зрения Scape Technologies, который работает над решением для точного определения местоположения.
Также Facebook купил картографический сервис с геометками Mapillary, чтобы включится в борьбу за составление цифровых карт мира. В январе 2020 года Apple продолжила развитие сектора, инвестировав около $200 млн в ИИ-стартап Xnor.AI, который специализируется на создании программных ИИ-платформ для малопотребляющих автономных решений.
Другие крупнейшие IT-гиганты также не остались в стороне. Google приобрела AppSheet — платформу для создания мобильных приложений без необходимости писать код. В июле 2020 года Amazon пробрел Zoox — стартап по производству беспилотных автомобилей — за $1,2 млрд, что стало крупнейшим вложением Джеффа Безоса в автономный транспорт.
Российский рынок искусственного интеллекта и венчурных инвестиций
По оценкам Inc., российский венчурный рынок в 2020 году вырос почти в два раза. Объем публичных сделок с участием российских стартапов составил порядка $300 млн. Больше всего вложений сделали иностранные инвесторы, на втором месте — корпоративные, замкнули тройку частные инвестиции.
А вот интерес инвесторов к российским ИИ-стартапам в 2020 году снизился. По подсчетам авторов альманаха «Искусственный интеллект», объем вложений в сектор упал на 63%. Причина такого падения — наличие в выборке за 2019 год крупной сделки компании Acronis. Она получила инвестиции от банка Goldman Sachs в размере $147 млн, при этом все остальные ИИ-проекты вместе взятые в 2019 году привлекли $79 млн.
По данным KMPG, российский рынок инвестиций в ИИ-проекты в прошлом году составил 0,2% от мирового, но у наших стартапов есть потенциал. Я считаю, что к 2025 году объем вложений инвесторов в ИИ-проекты в России вырастет в 2,5 раза. На глобальном рынке венчурного инвестирования в течение последних пяти лет доминируют Северная Америка и Азия: в 2020 году инвесторы из этих регионов суммарно вложили 87% средств от общего объема инвестиций в мире.
Что может заинтересовать инвесторов в ближайшие годы?
Чаще всего компании полагаются на искусственный интеллект с целью защиты данных, автоматизации процессов, заботы о клиентах и создания чат-ботов. При этом ИИ-решения применяются в разных сферах, таких как финтех, транспорт, онлайн-ретейл, спорт, телекоммуникации, сельское хозяйство, страхование, здравоохранение и государственном секторе.
В ближайшие 2-3 года мы ожидаем сильного роста от edge computing — технологии, которая позволяет обрабатывать данные прямо на устройстве с помощью ИИ-чипа, что обеспечивает безопасность данных и экономию на каналах связи и серверах.
Область искусственного интеллекта развивается так быстро, что новые тренды появляются каждый год. Сейчас самыми перспективными технологиями можно назвать:
- Small data — такие данные предназначены для анализа информации об одном объекте. Подход может применяться, например, в e-commerce: основываясь на данных о среднем возрасте, социальном статусе, интересах пользователей, компании проводят более эффективные рекламные кампании и выстраивают работу рекомендательных систем.
- Generative AI (генеративный ИИ) станет основой приложений нового поколения для автоматизированного программирования, подготовки контента, создания произведений изобразительного искусства и других инженерных и творческих задач.
- Augmented Intelligence (дополненный интеллект). Его появление должно успокоить тех людей, которые переживают, что искусственный интеллект уничтожит их работу. Augmented Intelligence включает в себя сильные стороны людей и технологий, что дает возможность повысить производительность труда.
С ростом проникновения искусственного интеллекта в бизнес и нашу жизнь растет и интерес инвесторов к новым решениям в этой области. Сейчас быстро развиваются ИИ-инновации в сфере коммуникаций, финансов и в области обработки естественного языка: чат-боты, voice-боты и виртуальные ассистенты. Позже технологии станут частью и других важных сфер экономики — медицины, образования, промышленности.
Прогноз для инвесторов
В среднесрочной перспективе я бы обратил внимание на решения в области создания ИИ-чипов, которые способны сделать «умным» любое устройство. Частным инвесторам, которые проходят по минимальному порогу требуемого объема и предъявляемой регуляторами квалификации, стоит присмотреться к венчурным фондам и фондам частного капитала, инвестирующим в такие проекты на ранних стадиях.
Либо подумать об инвестициях в готовые наборы ценных бумаг — индексы, связанные с развитием технологий искусственного интеллекта. Примером такого инструмента, доступного неквалифицированному инвестору являются ETF. Существуют десятки ETF , которые включают в себя торгуемые публично акции компаний, развивающих проекты в области искусственного интеллекта.
Среди наиболее перспективных фондов, работающих в сфере робототехники и искусственного интеллекта, на мой взгляд: Global X Robotics & Artificial Intelligence ETF и First Trust Nasdaq Artificial Intelligence & Robotics ETF. Если у инвестора аппетит к риску ниже, то можно рассмотреть более надежный фонд, с большим содержанием компаний, у которых значительная доля разработок и в искусственном интеллекте, но без конкретного фокуса, например, iShares Expanded Tech Sector ETF.
Не является индивидуальной инвестиционной рекомендацией.
Создана система навигации для роботов, основанная на здравом смысле
В основе разработки лежит концепция «здравого смысла», как ее называют авторы. Ее суть состоит в следующем: робот, путешествующий из точки А в точку Б, более эффективен, если он понимает, что первая — это диван в гостиной, а вторая — холодильник, даже если он находится в незнакомом месте, и оценивает, где точка Б может быть с наибольшей вероятностью.
В будущем разработку можно будет использовать в производстве роботов-помощников. Авторы считают, что семантическая навигация в итоге облегчит людям взаимодействие с машинами, позволив просто сказать, чтобы робот перенес предмет в определенное место, или давать конкретные указания, например отправить его в комнату.
Дубликаты не найдены
Новости
12.8K поста 17.8K подписчиков
Правила сообщества
1. Ставить тег “Новости”
2. Указывать источник (ссылку на новость)
3. Запрещены призывы к экстремистским действиям, оскорбления и провокации.
Это будет работать до первой уборки жены. После “здравый смысл” бесполезен – только женский мозг способен так рассортировывать предметы.
Если это правда, то робот просто не захочет добровольно работать.
в последнее время мало что основывается на здравом смысле
тааак, идти на работу, или с другими роботами пойти пить пиво? что подсказывает здравый смысл?
Intuitive Machines доставит на южный полюс Луны в следующем году прыгающего робота, который заглянет в кратеры для поиска льда
Университет штата Аризона и американская компания Intuitive Machines заключили с NASA контракт на разработку, создание и доставку на южный полюс Луны небольшого прыгающего зонда Micro-Nova, который должен получить первые снимки внутренней части кратеров вблизи полюса, сообщается на сайте Университета штата Аризона.
На полюсах Луны Солнце никогда не поднимается выше одного градуса над горизонтом, из-за чего возвышенности создают длинные тени. Несмотря на движение этих теней в течение лунного года, ряд областей вблизи полюсов (таких как кратеры) никогда не попадает под прямые солнечные лучи. В результате образуются «холодные ловушки», где летучие вещества, такие как водяной лед, могут находиться в сконденсированном состоянии и накапливаться. Подобные ловушки представляют особый интерес для будущих пилотируемых миссий к Луне, поскольку могут служить готовым источником воды — сырья для производства ракетного топлива и воздуха.
NASA 16 июля 2021 года заключило c компанией Intuitive Machines и Университетом штата Аризона контракт на сумму 41,6 миллионов долларов в рамках конкурса «Переломный момент» (Tipping Point). Университет в партнерстве с компанией создаст и доставит на Луну миниатюрный аппарат Micro-Nova, который будет прыгать по поверхности естественного спутника Земли и сделает первые в истории снимки внутренней части кратеров вблизи южного полюса Луны.
Общая масса полезной нагрузки Micro-Nova составит один килограмм, он будет способен получать стереоизображения высокого разрешения, а также цветные и черно-белые снимки и измерять температуру реголита. Размеры аппарата составят около 76,2 сантиметра в длину, ширину и высоту. Предполагается, что Micro-Nova будет установлен на спускаемый аппарат Nova-C, который прибудет к южному полюсу Луны в декабре 2022 года.
Ранее мы рассказывали, как Intuitive Machines получило право доставить на южный полюс Луны бур. Сам запуск будет произведен на ракете Falcon 9. (Буровая установка, которая отправится на Луну, проходит испытания)
Двуногий робот Кэсси преодолел 5 км за 53 минуты на одном заряде
Исследователи из Университета штата Орегон создали двуногого робота по имени Кэсси (Cassie), который первым преодолел расстояние в 5 км за 53 минуты без подзарядки аккумуляторов.
Робот был разработан под руководством профессора робототехники Джонатана Хёрста (Jonathan Hurst) при 16-месячном гранте в 1 миллион долларов от Агентства перспективных исследовательских проектов Министерства обороны США.
С тех пор, как Кэсси была представлена в 2017 году, студенты изучали различные варианты машинного обучения для робота. Кэсси использует машинное обучение для управления своей походкой. Бег является непростой задачей для роботов, потому что требует способности сохранять равновесие при смене положения во время движения. Кэсси научилась оставаться в вертикальном положении во время движения. Робот использует глубокое обучение с подкреплением (deep reinforcement learning). Этот метод используется для обучения роботов бегу, прыжкам и перемещению по лестнице (это Кэсси тоже умеет).
Робопес Spot и творческие порывы
Американская компания роботехники Boston Dynamics существует с 1992 года. Сначала услугами бывших инженеров Массачусетского технологического университета пользовались в основном американские же военные.
Boston Dynamics, Spot 3.0
Есть их первый громоздкий прототип BigDog, финансируемый DARPA, пока он остается только опытным образцом. Его четырехногая шагающая конструкция предполагает схожие со строением собаки бионические элементы, заменяющие колеса или гусеницы, необходимые для устойчивого положения и движения.
Boston Dynamics, тесты WildCat, 2013
Но коммерческого успеха разработка не получила, зато пользуется популярностью и хорошо узнаваема усовершенствованная “миниатюрная” модель 2017 года – Spot. Которая, разумеется, тоже появилась вовсе не для развлечения.
На разных этапах эволюции милой желтой собачки были резвая дикая кошка и ее неторопливый вариант LS3, приспособленный для переноски больших грузов, больше напоминающий покладистого мула.
Boston Dynamics, тесты LS3 (Legged Squad Support System), 2012
Ростом Спот чуть больше метра, весит почти 32 кг при грузоподъемности вполовину меньше собственной массы, он подслеповат – встроенные в “морду” датчики видят не дальше 4 метров вперед, и медлителен – разгоняется всего до 6 км в час. Более подробный разбор технических характеристик есть на Хабре.
Практически беспомощен без оператора, управляющего машиной удаленно – раньше со специального пульта, а теперь через приложение смартфона.
На стройплощадке аэропорта Сан-Франциско, пресс-служба американской компании HoloBuilder
В первую очередь это работяга, способный выполнять сложную и нудную работу, состоящую из однотипных многократно повторяющихся задач. Как например, подробные геодезические замеры для строительства аэропорта в Сан-Франциско.
Видео с камеры Spot (слава), тест на ориентирование в пространстве в лаборатории Boston Dynamics
Или делать 5 000 четких фотографий каждую неделю, раз за разом обходя огромную территорию строящегося комплекса. Потом эти снимки помогут специалистам на раннем этапе выявить несоответствие с планом – чтобы не пришлось сносить ненужную стену.
Рабочие канадской компании Pomerleau с помощниками Спот
Еще пес используется на морских подстанциях, где необходимо регулярно проводить осмотр оборудования в опасных для человека условиях.
И с помощью удаленного оператора ищет утечки нефти на морской платформе в Норвежском море для скандинавского нефтегазового оператора Aker BP. В таких случаях задействуют Spot Enterprise с функцией самозарядки и передачи данных.
Его даже завели на техасском полигоне SpaceX в Бока-Чика: кому охота первым осматривать место аварии, особенно если в повалившемся набок топливном баке ракеты был жидкий азот.
Инженеры компании ласково называют механического компаньона Зевс и поставили ему будочку.
С началом пандемии женская больница Массачусетского технологического университета в качестве эксперимента проводит бесконтактное измерение жизненных показателей пациентов.
Сам робот и дополнительное оборудование совсем не дешевы. Поэтому пока мало кто может похвастать такой игрушкой – большинство компаний берет его в аренду.
Когда-то нечаянный пиар на YouTube помог Boston Dynamics привлечь коммерческое внимание к своим разработкам. Пришлось немного подыграть, превратив Спота в фирменную фишку, мастера на все манипуляторы. Теперь их продукцию используют для рекламы себя.
По крайней мере у нас: Сбер не стал мелочиться и купил робопса за 5,4 млн рублей как только он появился в продаже зимой 2021 года. Пока четвероногий осваивается в просторных коридорах корпоративного университета банка.
Иногда раскладывает книги в архивах Российской государственной библиотеки.
Справедливости ради стоит упомянуть азиатские новинки в области роботехники – куда более бюджетные, хоть и не такие многопрофильные рабочие лошадки, скорее бюджетный биомеханический друг для обычных потребителей.
Например, Go1 от китайской Unitree Robotics, которого можно купить от 2 700 долларов. Есть еще AlphaDog от Weilan за 2 400, но они пока выпущены ограниченным тиражом для тестирования.
И это были бы не китайцы, если бы не оказалось, что они слегка преувеличивают возможности своих машин: тот же Spot может работать на аккумуляторе всего 90 минут – азиаты уклоняются от конкретных цифр, изящно намекая на целый день.
А что же искусство?
Дизайнеры нью-йоркской творческой группы MSCHF в феврале 2021 года на несколько часов устроили скандальный перформанс Spot’s Rampage. Робособаку поместили в небольшое помещение, обставленное на пример арт-галереи – с картинами, скульптурами и вазами.
На спине робота был установлен пейнтбольный маркер с краской. Через специальный сайт любой желающий методом лотереи мог на 2 минуты получить доступ к удаленному управлению механизмом и повеселиться вволю, раскрашивая все, что попадется под ногу.
Даже Cirque du Soleil планировал задействовать пса в новой постановке. Снова коронавирус смешал все карты – сейчас цирк на грани банкротства и дорогие игрушки ему не по карману.
Не будем расстраиваться, балет все-таки будет. Spot не только умеет открывать двери, собирать мелкие предметы в корзину на спине, сажать цветочки и рисовать мелками на асфальте. Он еще отличный танцор.
В конце 2020 года Boston Dynamics сделала всем отличный подарок: два гуманоидных робота Atlas, механический пес и складской трудоголик Handle зажгли под хит “Do You Love Me?” модной в 60-е группы Contours.
В июне 2021 контрольный пакет акций BD купил за 1,1 млд долларов азиатский гигант Hyundai Motor и сразу запустил для западных покупателей промо-кампанию экологичного гибрида Ioniq, который с прошлой весны рекламируют амбассадоры компании BTS.
Встречайте синхронный ансамбль пластичных четвероногих роботов под корейский k-pop “I m on it”. Кстати, песиков в танце кружится столько же, сколько участников слащавой мальчуковой группы.
Роборука вставляет в usb
Школьники из России успешно выступили на международном турнире по робототехнике
Юные дарования: российские школьники выиграли два золота и бронзу на международных детских соревнованиях по робототехнике — а еще двое россиян попали в топ-10 турнира🤖
Приближается новая эра
Привет, будущее
Вчера в Шоколаднице (ТЦ “Метрополис”) подносы с едой развозил вот такой вот миленький робот. Напитки носят официанты.
А когда никому не нужен был – кемарил в уголке.
Робот акробат
Промышленные роботы в России: отставание катастрофическое
Россия занимает одно из последних мест среди развитых и развивающихся стран по уровню оснащения промышленными роботами:
График 1. Количество трудоспособного населения и количество роботов в производстве на 10 тыс. этого трудоспособного населения (Исследование Information Technology & Innovation Foundation, 2018)
— Если говорить о производителях промышленных манипуляторов, то, к сожалению, таковых у нас пока нет: все российские продукты пока в процессе разработки и являются, по сути, стартапами, а не серийными продуктами, из-за чего не могут составить конкуренцию уже существующим мировым производителям. Отмечу, что работа ведется, и это меня очень радует! Надеюсь, что в скором будущем мы сможем предлагать нашим клиентам достойные роботизированные решения на основе отечественных роботов, и это будет новый этап в развитии робототехники в нашей стране.
Дмитрий Ипанов, генеральный директор «Вектор Групп» из интервью CNEWS
MIT анонсировал начало продаж новых литий-металлических батарей
Инженеры из Массачусетского технологического института объявили о коммерциализации проекта по созданию литий-металлической батареи, энергетическая плотность которой вдвое превышает показатель литий-ионной батареи. Об этом сообщается на сайте учреждения.
Устройство представляет собой аккумулятор на основе квази-ионного жидкого электролита и ультратонкой литий-металлической фольги. Последняя заменяет традиционный для таких батарей анодный материал — графит. Большую емкость накопителя обеспечивают высокоэнергетические свойства фольги: она покрыта твердым электролитом и не требует нагревания для корректной работы. За счет толщины общий размер литий-металлической батареи уменьшен в два раза — до уровня литий-ионных аналогов.
В свою очередь созданный квази-ионный электролит призван заменить стандартный жидкий электролит. Обычный электролит рассчитан на проведение ионов между катодом и анодом, в результате чего в литий-металлическом аккумуляторе образуются так называемые дендриты — выпуклые области. Это повышает риск короткого замыкания, а также сокращает общий срок службы устройства.
Разработка велась учеными совместно с американской компанией SolidEnergy Systems с 2012 года. В 2015 году был представлен первый рабочий прототип литий-металлического аккумулятора для смартфона. Емкость устройства достигала 2 Ампер-часа по сравнению с 1,8 Ампер-часа литий-ионной батареи при вдвое меньшем размере. Презентация позволила исследователям привлечь 12 миллионов долларов. Ожидается, что литий-металлические аккумуляторы для мобильной электроники поступят в продажу в начале 2017 года, батареи для электромобилей — в 2018 году.
По словам гендиректора SolidEnergy Цичао Ху, внедрение новых аккумуляторов для электромобилей может произвести «колоссальный общественный резонанс».
«Промышленный стандарт пробега электротранспорта на одной подзарядке — более 300 километров. Мы можем изготовить батарею меньше и легче с идентичным показателем пробега. Или того же размера, но с увеличением пробега до 600 километров», — заявил глава компании.
Как роботы находят путь в доме. IMU и другие альтернативы GPS
Системы GPS, ГЛОНАСС и другие средства глобальной навигации помогают роботам ориентироваться под открытым небом. Беспилотные такси доставляют пассажиров, умные охранные устройства с ИИ патрулируют парковки и целые кампусы. Однако их электронные «коллеги» внутри помещений не могут поймать спутниковый сигнал. Как же они прокладывают маршрут в отелях, ресторанах и на огромных складах?
Для решения этой задачи используется несколько подходов. Одни помогают составить карту помещения и выбрать оптимальный маршрут, другие — избегать столкновений с движущимися объектами (людьми, домашними животными и другими роботами), а также распознавать клиентов и доставлять им заказ, когда они перемещаются по залу.
Движение по картам
Наверняка вы знаете, что даже продвинутые роботы-пылесосы (не говоря уже о роботах-ассистентах и электронных официантах) умеют строить карту помещения. Оказавшись в новом помещении, они выезжают на его середину и замеряют лазерным дальномером расстояние до всех препятствий вокруг. Затем меняют точку отсчета и выполняют повторное сканирование. По разнице результатов они определяют статичные объекты (стены, контуры мебели, дверные проемы) и отфильтровывают динамичные (вас, вашего ребенка, гостей и кота), если они передвигались за это время.
В итоге у робота в памяти сохраняется карта. Теперь он знает расстояние до каждого объекта относительно исходной точки, а обновлять эти данные по мере собственных перемещений ему помогает IMU (инерциальный измерительный модуль). Этот блок содержит MEMS-сенсоры — примерно такие же, как в вашем смартфоне: акселерометры, гироскопы, магнетометры и (опционально) барометр. Последний используется для вычисления высоты над уровнем моря по атмосферному давлению, поэтому нужен только тем роботам, которые перемещаются между этажами (например, роботы-консьержи в отеле).
Однако не все роботы используют лазеры и строят карту помещения столь подробно. В упрощенной схеме навигации они начинают движение вслепую, а препятствия распознаются сонарами (ультразвуковыми датчиками) на расстоянии от нескольких сантиметров до пяти метров. Примерно так же работает парктроник в вашей машине.
Такой робот просто останавливается рядом с препятствием, пробует объехать его и продолжает свой путь, пока не встретит новое. Если объехать не удалось, значит это стена, и робот продолжает двигаться вдоль нее. Завершив первый круг, он получает грубые очертания помещения за счет накопленных данных от IMU и сонаров. Затем робот описывает второй круг меньшего радиуса, потом еще один и так далее. Его движения напоминают спираль, сходящуюся примерно в центре помещения (если, конечно, там не стоит мебель).
В качестве точки отсчета может быть использована и станция подзарядки робота. Так или иначе, зная расположение всех объектов и собственное смещение относительно начала координат, робот всегда может вычислить новое расстояние до любого статичного препятствия. Но как быть с подвижными объектами?
Динамическая навигация
Сегодня от роботов требуется умение самостоятельно перестраивать маршрут в меняющихся условиях. Избегать столкновений с движущимися объектами им помогают те же сонары. Однако сейчас их чаще рассматривают не столько как самодостаточный набор датчиков, сколько как дополнение к системе машинного зрения. Именно последняя распознает лица людей, управляющие жесты и выполняет 3D-реконструкцию окружающего пространства. Это позволяет задавать роботам сложные шаблоны поведения, чтобы оказывать персонализированные услуги.
Современные роботы, предназначенные для непосредственного взаимодействия с людьми, оснащаются группой камер кругового обзора. Обычно это 3 камеры с углами обзора по 120° или 4 камеры по 90° — зависит от того, на каком расстоянии требуется выполнять оптическое распознавание. Чем меньше угол обзора камеры, тем больше у нее фокусное расстояние и тем дальше она позволяет различать детали.
Дополнительно к основным камерам все чаще устанавливаются вспомогательные: ИК-камеры для работы в условиях слабого освещения и параллельно работающие черно-белые камеры низкого разрешения, выполняющие роль датчиков глубины. Они создают стереобазу с основными камерами и снимают то же изображение под другим углом. В современных смартфонах это используется для размытия фона и переноса зоны резкости, а у роботов — для оценки взаимного расположения объектов. Проще говоря, без них робот видит, как человек одним глазом, а с датчиком глубины получает дешевый аналог бинокулярного зрения.
Движение вслепую
Лазерные дальномеры и камеры относительно дороги, поэтому разработчики ищут более доступные методы ориентирования роботов в закрытых пространствах. Один из таких способов навигации базируется на оценке разности уровня сигнала Wi-Fi от стационарных точек доступа (access points, AP). Их координаты известны, как и стандартная карта покрытия. Поэтому роботу достаточно измерить показатель уровня принимаемого сигнала (RSSI) от трех и более AP (роутеров или репитеров), чтобы определить свое местоположение. Конечно, погрешность получится около метра или более, но для больших помещений это приемлемая точность.
Более точное позиционирование по схожей технологии обеспечивает Indoor “GPS” от Marvelmind Robotics. Это система стационарных ультразвуковых маяков с погрешностью на уровне 2 см и неограниченной площадью покрытия (1000 кв. м для базовой конфигурации плюс безлимитное масштабирование). Единственное существенное ограничение состоит в том, что роботу всегда требуется прямая видимость как минимум трех маяков.
Это условие сложно обеспечить в помещении, поэтому Indoor “GPS” и Wi-Fi RSSI стоит рассматривать как простейшие во внедрении базовые системы навигации. С ними робот быстро приедет (или прилетит) в нужный квадрат, а затем сможет сориентироваться точнее при помощи дополнительных инструментов.
Мировой опыт
В помещениях с однотипным набором объектов (столики в ресторане, полки в гипермаркете, стеллажи на складе) даже продвинутые системы компьютерного зрения часто дают сбой. Там роботам помогают ориентироваться различные метки: магнитные и цветные линии на полу, NFC, RFID и QR. Последние широко используются складскими роботами Amazon и Ronavi, которые получают из QR-меток всю необходимую информацию о грузе и его фактическом расположении.
Компания Ronavi Robotics, созданная при участии «ТехноСпарк» и «Т-Нано», осенью 2017 года представила действующий прототип подобного робота для обслуживания складов. Российский робот выглядит как платформа высотой 30 см и массой 180 кг. Он подъезжает под стойку и поднимает ее вместе с грузом (массой до 1,5 т), перевозя на новое место. Всенаправленная система колес повышает маневренность, не требуя места для разворота.
Одной из первых компаний, внедривших на своих складах автономную систему транспортировки грузов, стала FedEx. На базе единой платформы от Vecna Robotics в ней представлены робот-погрузчик Pallet Jack, который поднимает до 3600 кг, и робот-тягач Tugger. Последний перевозит любые предметы общей массой до 4500 кг в нескольких колесных тележках за один раз, словно автопоезд.
Оба робота используют навигацию по карте, IMU и цветовым меткам (камера считывает синюю линию на полу). Роботы самостоятельно избегают столкновений при помощи камер и сонаров, а патентованная система pivot.al использует искусственный интеллект для перестроения маршрута на ходу. Она легко объедет встретившегося на пути грузчика или уроненную им коробку. Для повышения безопасности скорость роботов ограничена двумя метрами в секунду (чуть больше 7 км/ч).
Помимо складов, роботы все чаще начинают использоваться для обслуживания посетителей в отелях и ресторанах. Это привлекает новых клиентов, желающих опробовать искусственный интеллект в деле.
Например, калифорнийская компания Savioke (приобретенная Google Ventures) создала роботов-консьержей A.L.O. Botlr для отеля Aloft в Купертино и YO2D2 для отеля Yotel в Бостоне. Они принимают и доставляют заказы в номера, отвечают на вопросы, развлекают гостей и практически не требуют помощи со стороны персонала: даже лифтом пользуются самостоятельно.
Непальская компания Paaila Technology год назад начала массовый выпуск роботов-официантов серии Ginger. При гуманоидных очертаниях и росте 152 см роботы передвигаются очень неспешно, менее 2 км/ч. Они используют сонары и камеры, чтобы автоматически маневрировать в быстро меняющейся обстановке ресторана. Когда аккумулятор садится, Ginger автоматически возвращается в зону стыковки, а его клиентов продолжает обслуживать следующий робот.
Выводы
Современные роботы используют сразу несколько систем для автономной навигации в помещениях. Они умеют самостоятельно строить карты и обновлять их, избегать столкновений и перестраивать маршруты. Однако в последние годы разработчики стремятся предлагать бизнесу не отдельных роботов, а готовые решения для выполнения поставленных задач. Производители сами участвуют в развертывании навигационных систем и их настройке, выявляют проблемные участки и дорабатывают серийные модели под конкретных заказчиков.
Пока главными недостатками роботов остаются их медлительность (отчасти это требование безопасности) и высокая цена. Однако себестоимость резко падает при переходе на массовое производство, а с каждым годом появляются все более дешевые системы навигации внутри помещений. При сравнительно высоких начальных затратах роботизация бизнеса часто оказывается выгодной в перспективе.
Автономный робот
Автономные роботы – это роботы, которые совершают поступки или выполняют поставленные задачи с высокой степенью автономии, что особенно необходимо в таких областях, как освоение космоса, ведение домашнего хозяйства, очистка сточных вод и доставка товаров и услуг.
1.1. Развитие автономных роботов Архитектура интеллектуальных роботов
На сегодняшний день предполагается, что в состав интеллектуального робота должны входить следующие системы:
Датчики – это системы технического зрения, слуха, осязания, датчики расстояний, локаторы и другие устройства, которые позволяют получить информацию из окружающего мира.
Система управления – это мозг робота, который должен принимать информацию от датчиков и управлять исполнительными органами. Эта часть робота обычно реализуется программными средствами. В состав системы управления интеллектуального робота должны входить следующие компоненты
Исполнительные органы – это манипуляторы, ходовая часть и другие устройства, с помощью которых робот может воздействовать на предметы окружения. Причем по своей структуре это сложные технические устройства, имеющие в своем составе сервоприводы, мехатронные части, датчики, системы управления. По аналогии с живыми организмами – это руки и ноги робота.
Система выполнения действий – пытается выполнить запланированные действия, подавая команды на исполнительные устройства и контролируя при этом процесс выполнения. Если выполнение элементарного действия оказывается невозможным, то весь процесс прерывается и должно быть выполнено новое или частично новое планирование.
Система управления целями – определяет иерархию, то есть значимость и порядок достижения поставленных целей. Важными свойствами системы управления является способность к обучению и адаптации, то есть способность генерировать последовательности действий для поставленной цели, а также подстраивать своё поведение под изменяющиеся условия окружающей среды для достижения поставленных целей.
Модель мира – отражает состояние окружающего мира для робота в терминах, удобных для хранения и обработки. Модель мира выполняет функцию запоминания состояния объектов в мире и их свойств.
Система планирования действий – осуществляет “виртуальное” преобразование модели мира с целью получения какого-либо действия. При этом обычно проверяется достижимость поставленной цели. Результатом работы системы планирования действий является построение планов, то есть последовательностей элементарных действий.
Система распознавания – сюда входят системы распознавания изображений, распознавания речи и тому подобное. Задачей системы распознавания является идентификация, то есть “узнавание” предметов, окружающих робота и их положения в пространстве. В результате работы компонентов системы распознавания строится модель мира.
Система навигации – осуществляет функцию ориентирования робота в трехмерном мире и функцию прокладки рациональных маршрутов для перемещения робота.
1.4. Развитие автономных роботов Выполнение заданий
Следующим шагом в развитии автономного поведения становится возможность выполнения некоторых физических задач. Появление новых маленьких роботов пылесосов, таких как iRobot и Electrolux 2002 года подало большие надежды на развитие этой сферы робототехники. Хотя с уровнем интеллектуальности этих роботизированных систем пока есть некоторые проблемы, они уже могут работать и на достаточно больших площадях, и в тесных пространствах, эффективно маневрируя в помещении, так как используют массивы контактных и бесконтактных сенсоров. Оба робота оперативно рассчитывают алгоритмы работы, адаптируют его к конкретным ситуациям, и таким образом, оптимально охватывают рабочую площадь поверхности, на которой они должны работать.
Следующий уровень автономного выполнения задания требует от робота умения выполнять сложные условные задачи. Например, роботы-охранники могут быть запрограммированы для обнаружения вторжений на территорию, и реагировать определенным образом – в зависимости от того, где нарушитель и что он делает.
1.5. Развитие автономных роботов Сенсорное позиционирование и навигация внутри помещения
Чтобы связать своё поведение с местом провести локализацию, роботу необходимо определить, где он находится и иметь способность передвигаться от одной установленной им точки к другой. Такая навигация началась с проводного управления в 1970-х годах и в начале 2000-х годов превратилась в триангуляцию с помощью маяков. Современные коммерческие роботы уже способны автономно перемещаться, опираясь на анализ потоковых данных непосредственно со своих сенсоров. Первыми коммерческими роботами, которые смогли это делать, были больничные роботы “HelpMate” от компании “Pyxus” и робот-охранник “CyberMotion”. Обе системы были разработаны в 1980-те. Эти роботы вначале использовали вручную сделанные CAD-планы пола, сонары и системы определения стен для навигации в помещении. Следующее поколение, такое как “PatrolBot” от фирмы “MobileRobots” и автономная инвалидная коляска, которые были представлены в 2004 году, имели возможность создавать собственные карты помещения, пользуясь лазерными сенсорами, и передвигаться по открытым пространствам, такими как зал или коридор. Их системы контроля оперативно меняли путь навигации, если какая-то преграда оказывалась у них на пути.
Вначале автономная навигация применяла сенсоры-планары плоские датчики, такие как лазерные дальномеры, которые могли воспринять информацию на одном уровне. Продвинутые системы объединяют информацию от различных сенсоров для локализации определения местоположения и навигации. Такие системы, как “Motivity” могут опираться на показания различных сенсоров в различных ситуациях, в зависимости от того, какой сенсор предоставляет наиболее достоверные данные об окружающей среде. Поэтому такие роботы оперативно и самостоятельно создают для себя карту окружающей среды.
Вместо того, чтобы обеспечивать подъем по лестнице, который нуждается в высококвалифицированных специализированных аппаратных средствах, некоторые роботы, обладающие функцией навигации внутри помещений, оперируют в местах, доступных для инвалидов, контролируя лифты и электронные двери. С такими электронно-управляемыми интерфейсами роботы способны легко передвигаться внутри помещений. Автономно забираться на лестницу и открывать двери самостоятельно – это задачи, над которыми работают специалисты по робототехнике в наше время.
С развитием этих внутрипомещениевых технологий, роботы-уборщики получат возможность чистить сложную, заданную пользователем поверхность или весь пол без вмешательства пользователя. Роботы-охранники смогут совместно загонять и окружать злоумышленников, а также и отрезать им путь к бегству. Эти достижения также обеспечивают сопутствующими выгодами: внутренние карты роботов обычно предусматривают наличие “запретных зон”, которые устанавливаются людьми – чтобы автономный робот не заходил в определенные регионы.
2. Проблемы в развитии отрасли автономных роботов
Существует много проблем на пути развития автономных роботов как части прогресса, главной из которых является создание искусственного интеллекта, однако, имеется множество более мелких, но существенных проблем.
2.1. Проблемы в развитии отрасли автономных роботов Проблема создания искусственного интеллекта
Для создания программы действий автономном роботу необходимо каждый раз писать новые и новые алгоритмы: машина не имеет свободы воли даже в рамках выполнения поставленных задач: она лишь выполняет программный код, перебирает варианты для наиболее рационального выполнения поставленной задачи. Когда задача исчерпана – робот теряет мотив для функционирования. Роботу нельзя задать абстрактные инструкции, поскольку нет самого толкования понятия “абстрактная инструкция” в виде “конкретной инструкции”. Выходом является создание такой системы, которая сама будет производить для себя алгоритмы действия, поведения или суждения, которые необходимо производить для каждого конкретного случая, а также эта система должна накапливать информацию/опыт и подвергать анализу выводы и обобщения из неё. Такая система, которая делает обобщение – делает абстрактные построения, а не арифметические вычисления, а значит она должна расцениваться как интеллект. Его искусственная природа обусловливает его характеристику как “искусственный интеллект”. Автономность роботов в значительной степени зависит от создания искусственного интеллекта ИИ.
Научные разработки в области искусственного интеллекта зашли в тупик. Никакого общепринятого мнения о том, что такое ИИ, не существует. Зато каждая новая конференция или симпозиум порождает новые и новые “концепции”, обладающие общими недостатками. Очень редко появляются на свет новые идеи, например, идея нейронных сетей. Компьютеры все лучше и лучше играют в шахматы. Однако, ни один компьютер не учится и не изобретает новые алгоритмов игры в шахматы самостоятельно: они используют схемы и приемы, подсказанные им талантливыми шахматистами или программистами-математиками, то есть носителями подлинного интеллекта. Компьютеры просто перебирают варианты. Однако в мире зачастую простой перебор вариантов не уместен, так как вариантов очень много, а входные данные неизвестны. Нужна импровизация, абстрактное мышление, на которые машины пока не способны – и выхода из этого положения пока не найдено ни в философском, ни в математическом виде.
2.3. Проблемы в развитии отрасли автономных роботов Проблема навигации
Пока что основной проблемой всех ныне существующих мобильных аппаратов, перемещающихся самостоятельно, без управления со стороны человека, остается навигация.
В связи с попытками создать автономное средство для передвижения возникает ряд проблем, объединенных общим названием – “навигационные задачи”. Навигация – наука об управлении передвижением мобильного робота или другого автономного объекта в пространстве. Для успешной навигации в пространстве бортовая система робота должна уметь
управлять параметрами движения – задавать угол поворота колес/руля и скорость их вращения
постоянно отслеживать собственные координаты.
строить маршрут
правильно интерпретировать сведения об окружающем мире, полученные от датчиков
Традиционно, задачи навигации включают в себя две подзадачи, которые можно разделить во времени: локализация в пространстве и планирование пути. Локализация заключается в оценке текущего положения робота относительно определенных известных опорных пунктов окружающей среды, заданные в абсолютных координатах. Планирование заключается в поиске, по возможности, кратчайшего маршрута и продвижении в пункт назначения.
В целенаправленной навигации принято выделять минимум три иерархических уровня представления проблемы:
локальную навигацию
глобальное планирование маршрута.
проход препятствий
Алгоритмы глобального планирования используют информацию о всем пространстве, чтобы определить участки, по которым возможно движение, и затем выбрать оптимальный путь. Для задачи планирования найдены точные алгоритмические решения. Однако точные алгоритмы имеют большую вычислительную сложность и, кроме того, требуют точных алгебраических моделей помех. Эвристические методы не гарантируют полноты поиска и оптимальности даже при глобальном планировании, когда доступна вся информация об окружающей среде. Однако эвристические глобальные методы планирования уменьшают сложность задачи и чувствительность к ошибкам в данных различными способами. Используя генетические алгоритмы можно найти оптимальный маршрут с учетом минимального времени движения с различными сценариями реальных условиях дорожного движения и разной скоростью движения транспортного средства.
Неотъемлемой частью любой системы навигации является желание достичь пункта назначения и при этом не заблудиться, не врезаться в какой-нибудь из объектов. Также могут быть и другие ограничения на тот или иной маршрут, например: ограничение скорости, или зоны неопределенности, где теоретически, конечно, можно проложить маршрут, но не желательно. Часто маршрут для робота планируется автономно, что может привести робота в пункт назначения при условии, что окружающая среда прекрасно известна и стационарна, поэтому робот может отлично отслеживать окружающую среду. Но при решении навигационных задач в реальной среде соблюдение всех этих условий практически невозможно. Таким образом, ограниченность методов планирования автономного движения привело исследователей к изучению онлайн-планирования – это планирование опирается на знания, полученные от зондирования местной окружающей среды для обработки неизвестных препятствий по мере того, как робот будет проходит путь в пространстве.
Общая постановка задачи планирования пути мобильного робота:
Описание алгоритма эволюционного навигатора и пополнение базы данных алгоритмов новосозданным алгоритмом.
Выбор генетического алгоритма для реализации эволюционного навигатора ЭН
Применение эволюционных алгоритмов в задачах навигации
Эволюционный алгоритм, описанный здесь, является эволюционным навигатором, что сочетает в себе автономный режим и режим онлайн планирования с применением простой карты высокой точности и эффективного алгоритма планирования. В первой части алгоритма автономный планировщик глобально ищет оптимальные пути от самого начала и до места назначения, а вторая часть онлайн планировщика отвечает за обработку возможных столкновений или ранее неизвестных объектов, заменив часть первоначального глобального пути на оптимальный подпуть. Важно отметить, что обе части ЭН используют один и тот же эволюционный алгоритм, но с разными значениями различных параметров. ЭН сначала считывает карту и получает исходное и целевое места нахождения. Затем автономный эволюционный алгоритм АЭА генерирует близкий к оптимальному глобальный путь: это частично-прямолинейный путь, состоящий из допустимых узловых точек или узлов.
2.5. Проблемы в развитии отрасли автономных роботов Косвенные угрозы от автономных роботов
Эти проблемы связаны с перспективным лавинообразным вторжением автоматизированных роботов во все сферы человеческой профессиональной деятельности. Это связано
во-первых, с развитием прогресса
во-вторых, с удешевлением роботов и доступностью их для коммерческого сектора
в-третьих, с непрестанным увеличением КПД от применения робота вместо человека.
И обыкновенная безработица – не только поверхностное явление среди большого количества социально-психологических проблем, которые будут возникать с последующей роботизацией общества.
Первая проблема связана с возможной потерей стимулов к творчеству в результате массовой компьютеризации или использования машин в сфере искусств – как это сейчас происходит в некоторых областях, где люди-рабочие вытесняются автоматизированными конвейерами и автоматами – уборщиками, продавцами, охранниками и так далее. Хотя в последнее время стало ясно, что человек добровольно не отдаст самую квалифицированную – творческую работу потому, что она для самого человека очень привлекательна.
Вторая проблема носит более серьезный характер и на нее не один раз указывали такие специалисты, как Н. Винер, Н. М. Амосов, И. А. Полетаев и другие. Заключается она в следующем: уже сейчас существуют машины и программы, способные в процессе работы самообучаться, то есть повышать эффективность приспособления к внешним факторам. В будущем, возможно, появятся машины, обладающие таким уровнем приспособляемости и надежности, что необходимость человеку вмешиваться в процесс отпадет. В этом случае возможна потеря самим человеком своих качеств, ответственных за поиск решений. Реальной перспективой является деградация способностей человека к реакции на изменение внешних условий и, возможно, неспособность принятия управления на себя в случае аварийной ситуации. Встает вопрос о целесообразности введения некоторого предельного уровня автоматизации процессов, связанных с тяжелыми аварийными ситуациями. В этом случае у человека, “надзирающего” за управлением машиной, всегда хватит умения и реакции таким образом воздействовать на ситуацию, чтобы предотвратить развитие аварийной ситуации. Такие ситуации возможны на транспорте, в ядерной энергетике и тому подобное. Особо стоит отметить такую опасность в ракетных войсках стратегического назначения, где последствия ошибки могут иметь фатальный характер. Несколько лет назад в США начали внедрять полностью компьютеризированную систему запуска ракет по командам суперкомпьютера, который обрабатывал огромные массивы данных, собранные со всего мира. Однако, оказалось, что даже при условии многократного дублирования и перепроверки, вероятность ошибки оказалась бы столь велика, что отсутствие контролирующего оператора привело бы к непоправимым поледствиям. От системы отказались.
Люди будут постоянно решать проблему искусственного интеллекта, постоянно сталкиваясь со все новыми проблемами. И, видимо, этот процесс бесконечен.
СМИ2 Ebo: автономный робот для развлечения кошки.
Робот продемонстрировал возможности автономного полета, пребывания на станции первый европейский автономный робот,. Автономный робот самостоятельно зарядит ваш электромобиль. Робот furo d купить в Москве от производителя. Робот furo D. Вы здесь: Home Роботы Робот furo D. Автономный промо робот Time D. Автономный робот, для турнира по робототехнике и 3D. Американский робот хирург STAR может не только STAR Smart Tissue Autonomous Robot Умный автономный робот для мягких. Разработан автономный робот для дезинфекции складов. Автономный робот Яндекс.Ровер получил постоянную работу в Сколково. 29.04.2020, Сергей Карасёв. Робот курьер Яндекс.Ровер получил. Автономный робот STAR удалил опухоль лучше хирургов Хайтек. Продолжительность: 1:32.
мобильные роботы различного назначения, система управления мобильным роботом
