Появление и широкое распространение Интернета способствовало резкому увеличению объема цифровой информации, доступной для хранения и анализа. Цифровая вселенная стремительно расширяется, обещая достичь к 2020 году рекордной отметки в 40 тысяч эксабайт, или 40 триллионов гигабайт. Однако, множество данных, которые могли бы стать крайне полезными при принятии важных решений, так и остается необработанным. Человеческий мозг физически не может освоить такой поток информации, но сегодня это под силу машинам.
«Умные» устройства «мыслят» и реагируют почти как люди, только намного быстрее и точнее. Еще десятилетие назад это могло показаться фантастикой, но в последние годы искусственный интеллект (ИИ) все больше укореняется в нашей жизни, а за размытым модным термином отчетливо проступают конкретные методы и технологии – компьютерное зрение, обработка естественного языка, робототехника, машинное обучение и другие.
Являясь ключевой частью ИИ, машинное обучение дает компьютерным алгоритмам возможность исследовать цифровую вселенную для извлечения аналитической ценности. Другими словами, оно позволяет использовать огромные массивы данных для выявления скрытых паттернов и тенденций, точного прогнозирования и принятия эффективных решений. Машинное обучение нашло применение в самых разных отраслях, от госсектора, промышленности, энергетики и телекоммуникаций до здравоохранения, розничной торговли, финансов и банков.
Пока амбициозные новаторы спорят с закоренелыми консерваторами о будущем машинного обучения, эксперты предрекают, что эра «умных» машин станет одной из самых значимых фаз в истории технологий. Большинство исследователей ожидает, что рынок машинного обучения вырастет с 2,5 млрд. долл. в 2014 году до 12 млрд. долл. в 2020 году, а Gartner считает, что пятая часть предприятий наймет специалистов по «мониторингу и управлению» машинным обучением всего через пару лет.
BCC Research делит глобальный рынок «умных» машин на пять сегментов: нейрокомпьютеры, экспертные системы (например, поддержка медицинских решений), автономные роботы (включая беспилотные транспортные средства), интеллектуальные встроенные системы и «умные» помощники. В настоящее время крупнейший сегмент составляют экспертные системы, но к 2024 году, согласно прогнозам, автономные роботы будут преобладать на общем рынке.
Машинное обучение в проектах Ауриги
Популярность машинного обучения продолжает набирать обороты – все больше компаний осознают его возможности и стремятся его применять. В последние годы инженеры Ауриги выполнили целый ряд интересных проектов, связанных с машинным обучением, для крупных клиентов из самых разных отраслей. Представляем здесь лишь три примера того, как машинное обучение меняет реальный бизнес.
В сфере здравоохранения Аурига разработала высоконагруженную систему кардиомониторинга, способную предупреждать пользователя о приближении опасных кардиологических состояний. Распознавание таких состояний реализуется трехслойной нейронной сетью. Подробный статистический анализ огромного количества данных, поступающих с датчиков переносных холтеровских ЭКГ аппаратов, в сочетании с данными о погоде позволяет не только постоянно наблюдать за состоянием сотен тысяч пациентов, но и предотвращать нарушения сердечной деятельности, предупреждая пользователей сети индивидуально о неблагоприятных метеоусловиях. Это делает работу системы сравнимой с диагностикой в режиме реального времени.
В рамках большого проекта по автоматизации управления автомобилем Аурига разработала инструмент для разметки видео и формирования стрима данных для машинного обучения. Пользователь может загрузить в приложение видеоданные (а также данные с радаров и лидаров) и «научить» приложение автоматически распознавать и помечать объекты в соответствии с установленным набором лейблов – к примеру, дорожная разметка, светофоры и дорожные знаки, деревья, другие машины, велосипедисты, пешеходы и т.д. Значительную часть созданного озера данных составляют видеозаписи вождения в неблагоприятных погодных условиях.
Наконец, совсем недавно команда Ауриги приняла участие в крупном проекте для «умного» земледелия, разработав программную утилиту, которая позволит дронам отслеживать состояние деревьев в яблоневом саду. Наши инженеры развернули готовую нейросеть, которая уже была обучена на большом количестве различных объектов, и продолжили обучать ее на данных с яблоневых садов. Это решение позволит фермерам удаленно наблюдать за садом, оценивать состояние деревьев, настраивать систему орошения и распределять ресурсы на пути к максимальной производительности.
Как заметила Елена Баранова, Директор по инжинирингу в Ауриге,
Мы живем в такое время, когда от точного прогнозирования и принятия верных решений зависит место компании в конкурентной среде. Если вы хотите сделать свой бизнес более «умным» и эффективным, пришла пора обратить внимание на машинное обучение.
