В Петербурге создали центр для развития проектов в области искусственного интеллекта. Стартапы уже находят клиентов. Часто – за рубежом

В Технопарке Санкт-Петербурга начал работу AIngria – хаб для стартапов в сфере искусственного интеллекта (ИИ). Как рассказала Metro Полина Лукьянова, директор бизнес-инкубатора "Ингрия" (предоставляет инфраструктуру и сервисы), теперь к лучшим вузам и программистам в Северной столице добавят площадку, призванную научить авторов "продавать" проекты, коммерциализировать идеи.

Пока эта тема – ИИ – находится на полпути между "хайпом" (модный тренд для айтишников) и реальным внедрением, рассказывает Лукьянова.
– Там, где совпадают потребность в оптимизации процессов и высокая степень проникновения информационных технологий, системы искусственного интеллекта уже внедряются, – говорит она. – Если уйти от чрезмерно сложных решений к массовому сегменту, то ИИ привлекателен тем, что позволяет автоматизировать решения, "сломать" барьер между компьютерной системой и пользователем, стать "суперработником" в некоторых отраслях.

С полей – в банки
Спектр применения ИИ в реальной экономике по всему миру широк. В сельском хозяйстве это беспилотные тракторы, автоматизация составления карт, наблюдения за поливом и даже распознавания сорняков. У правоохранителей – анализ изображения с камер наблюдения для поиска преступников, выявление наркоторговцев по соцсетям и в перспективе – помощь гражданам в судах. В быту это системы умного дома, робототехника, управление гаджетами голосом и жестами.
ИИ активно внедряют в образовании (проверка знаний, персональные курсы обучения, групповое обучение), банковской сфере (обнаружение мошенников, проверка кредитоспособности заёмщиков), управлении персоналом (поиск сотрудников, отслеживание поведения в офисе), транспорте (беспилотники, умные светофоры), промышленности (роботы на производстве), медицине (обработка больших массивов медицинских данных и диагностика заболеваний).

Из России с любовью
По словам Константина Синюшина, возглавляющего посевной фонд The Untitled Ventures, Россия сегодня – одна из немногих стран, которые способны производить решения мирового уровня в сфере ИИ. Причина – в той самой математической школе.

– В чём мы существенно отстаём, так это в уровне развития отраслей экономики, в которых искусственный интеллект может применяться на внутреннем рынке, – комментирует Синюшин. – Поэтому у нас ИИ-технологии, к сожалению, во многом остаются экспортно ориентированными, и для коммерческого успеха они пока должны встраиваться в мировые интегрированные цепочки добавленной стоимости.
Как отмечает эксперт, одна из целей создания хаба в том, чтобы вырастить проекты в России, но при этом помочь им найти зарубежных заказчиков.

Робот "носит" Prada
Одна из отраслей, где преуспели российские разработки, – шопинг. К примеру, стартап "Тардис" по вашему фото сообщает о размерах и соответствии меркам модных брендов, Inspector Cloud по снимку полки в супермаркете даёт информацию об отсутствии тех или иных товаров и правильности выкладки, а Sarafan позволяет распознавать модели одежды на фотографиях.

– Подписчики звёздных блогеров в Instagram часто интересуются, где можно купить такую же одежду, как на них, – рассказывает Андрей Корхов, руководитель проекта. – Наш сервис приводит их на сайты интернет-магазинов.
По России у стартапа уже тысячи клиентов, уточняет Корхов. Компания выходит на рынок Британии и готовится открывать офис в Нью-Йорке. 

5 российских стартапов в области ИИ
Laeneco. Электронный стетоскоп с функцией диагностики дыхания. Использование искусственного интеллекта повышает точность результатов до 99%. Информация хранится в специальном приложении в смартфоне.
Laeneco | скриншот с сайта проекта.

Laeneco | скриншот с сайта проекта.

Другой

Фото:

Data Fuel. Психометрический анализ пользователей социальных сетей с помощью искусственного интеллекта (для маркетологов и рекламщиков).  Позволяет брендам делать клиентам индивидуальные предложения по товарам и услугам, учитывая мотивы, ценности и убеждения.
StreetBee. Онлайн-платформа для проведения аудита выкладки товаров, мониторинга цен, проверки наличия промо, сенсуса торговых точек, тайного покупателя и других полевых проверок в ритейле при помощи 155 тыс. добровольцев, подключённых к системе (технология краудсорсинг).
uKit. Сервис редизайна сайтов для бизнеса с помощью генеративных алгоритмов и нейросетей.
Statanly Technologies. Платформа для машинного обучения, анализа и визуализации данных в бизнесе.
Константин Синюшин.

Константин Синюшин.

Другой

Фото:

Эксперт: Константин Синюшин, сооснователь и руководитель фонда Untitled Ventures

Какие практические сферы разработки в области ИИ сейчас актуальны?
Это обучение компьютерному анализу больших данных (Machine Learning) и компьютерное зрение (Computer Vision). Их объединяет использование в основе математических методов нейросетей. Сами нейросети известны давно, но главное ноу-хау заключается в том, чтобы они учились работать с большими массивами данных. Это прерогатива корпораций, небольшие стартапы на это не способны, но зато они могут преуспеть в решение нишевых задач. И это самая серьёзная проблема – найти задачу в области науки, бизнеса или потребительского рынка, которая либо совсем не решается, либо требует огромного объёма ручной работы.

Какие задачи, к примеру, можете назвать?
Это задачи интерпретации биологических исследований, предиктивной аналитики резюме кандидатов на вакансии или же создание масок для социальных сетей. Иными словами, для успеха в нишевых задачах команда проекта обязательно всегда формируется из представителей конкретной предметной области и экспертов по алгоритмам и информационным технологиям. Практическое применение ИИ всегда имеет междисциплинарный характер.

Как это работает в разных сферах?
В науке, например, использование ИИ даёт возможность существенно сократить время на полный цикл исследований. В бизнесе позволяет не просто много быстрее отобрать подходящих сотрудников, но и гарантировать их последующее наиболее долгое удержание на работе. Всё это основано на выявлении скрытых закономерностей, не совсем очевидных при традиционных методах анализа больших данных в науке и бизнесе, накапливаемых долгое время.

Что есть что
Машинное обучение – класс методов искусственного интеллекта, характерной чертой которых является обучение в процессе применения решений множества сходных задач. Сферы: распознавание речи, жестов, образов, техническая и медицинская диагностика, обнаружение мошенничеств, спама, финансовый и биржевой анализ, кредитный скоринг (оценка банком кредитоспособности человека).
Компьютерное зрение – теория и технология создания машин, которые могут производить обнаружение, отслеживание и классификацию объектов. Сферы применения: промышленные роботы, беспилотники, системы видеонаблюдения, создание баз данных (к примеру, изображений), системы дополненной реальности, анализ медицинских изображений.
Нейросеть – математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей – сетей нервных клеток живого организма. Сферы применения: робототехника, системы управления, аналитика в экономике.