Это история Владимира Черницкого, программиста с тридцатилетним стажем, сооснователя и технического директора Faceter. Он рассказывает о том, как с конца 1980-х годов работа программиста изменилась и правда ли, что нейронные сети скоро превзойдут человеческие возможности.

Владимира Черницкого начал заниматься программированием еще в школе в Чите, почти тридцать лет назад. В городе открыли компьютерный класс – там были настоящие компьютеры Yamaha. Черницкий записался в кружок информатики, где объясняли азы программирования: Basic, массивы,циклы. В 1994 году в Чите, где не было ни одного IT-факультета, и он поступил туда, где была сильная математика - наэнергофак. Вскоре он устроился в информационно-аналитическое агентство Читинской области, где делал верстку журналов и книг на компьютерах в Corel и Photoshop и настраивал сеть. Затем в город пришел интернет. В то время зона рунета была еще совсем пустой, популярнейшим поисковиком был тогда Altavista. Затем он начал работать в компании «Чита.net» , первом интернет-провайдере в Чите и там разрабатывал биллинговую систему для учета трафика клиентов. Тогда началось более глубокое программирование — C++ и прочее.

«Я осознал, что мои знания поверхностные. В итоге пошел работать в компанию Azoft. Стал пробовать разные технологии, проекты стали намного масштабнее, писал бэкенды на Java, фронтенды на PHP, в ту «до ios- и android-эпоху», где главенствовали JavaME и Symbian OS, разрабатывал мобильные приложения» - рассказывает Черницкий - «В 2008 году появилась iOS, мы сделали тестовое приложение. Я возглавил подразделение мобильной разработки. Мы писали под iOS, чуть позже появилась Android».

О нейронных сетях

«Стало понятно, что нужно в компании создавать R&D-отдел. Мы стали заниматься разными нестандартными проектами. Тем же путем мы пришли к нейронным сетям, которые только начали «взлетать». Нейронные сети — старая технология, но новую жизнь она получила в 2012 году с Alexnet.

Первый заметный проект в области нейронных сетей назывался  Neocognitron.Позже Neocognitron доработали и создали сверточные нейронные сети. В 2010 году стало понятно, что эти алгоритмы можно запускать даже на обычных домашних компьютерах, и началась новая жизнь нейронных сетей.
В 2013 году пришел заказчик из Испании. Он хотел разработать приложение для распознавания данных с кредитных карт для клиентов банков. Оказалось, что это лучше всего делать на сверточных нейронных сетях.Создали приложение, заказчик остался доволен.

Нейронные сети иногда превосходят возможности человека

В 2014 году мы задумались над тем, как сделать видеонаблюдение более эффективным. И создали Faceter — это софт, который практически заменяет полицейского или охранника, непрерывно наблюдает за всем происходящим без перекуров и выходных. Это пример того, как искусственный интеллект способен заменить некоторые человеческие способности.

Более того, в некоторых случаях нейронные сети превосходят наши возможности —система подобная нашей, способна хранить данные по миллионам лиц и узнавать их в видеопотоке в режиме реального времени.Один человек, безусловно, такое не может.Нам хочется сделать так, чтобы «нейронка»  могла распознавать не только лица, но также и эмоции, а еще анализировала цепочки событий и была способна диагностировать ситуацию.К примеру, если человек с агрессивным выражением лица достал из кармана острый металлический предмет, то система должна сразу включать режим тревоги.

«Нейронка» изменит в мире все в ближайшие десятилетия

Я полагаю, что в ближайшие двадцать-пятьдесят лет данная технология всеизменит в мире, причем фундаментально. Мне нравится возможность разрабатывать системы, которые будут частью этого процесса, я чувствую что нахожусь на передовой линии фронта четвертой технологической революции.

Наша система пользуется компьютерным зрением. Ее уже протестировали в реальных условиях. Мы добились точности распознавания в 99,78% по тесту LFW и 79,46% в MegaFace.

Мы закончили уже три PoC проекта:

•     В популярных в ЮАР пиццериях Debonairs распознавание лиц используется для программ лояльности.
•     В крупнейшей сети казино — для выявления тех, которым запрещено посещать игорные заведения.
•     На одном заводе мы помогли справиться с ситуацией, что работники, когда не могли выйти на смену, отдавали свои пропуска родственникам или друзьям, у которых нет никакой подготовки. Система сравнивает каждого, кто проходит КПП с базой данных и сообщает, когда видит незнакомое лицо.

Искусственный интеллект может приносить реальную пользу

Мы разрабатываем расширенные технологии распознавания. В настоящее время система узнает людей по лицу, уже совсем скоро мы будем распознавать силуэт, одежду, отслеживать передвижения человека от камеры к камере. Потом научимся распознавать ситуации — система станет анализировать не единичные кадры, а целые цепочки событий, продолжительные по времени.

В настоящее время уже существуют системы, которые способны выявлять отдельные события. Но пока неттаких, которые умеют диагностировать ситуациии распознавать цепочки событий. Многие компании ведут подобные разработки. Но нашей основной миссией является создать продукт для массовых пользователей.
Мы желаем показать, что искусственный интеллект может не только раскрашивать фотографии в разные цвета или рисовать картины в стиле Ван Гога, но также  и приносить каждому настоящую пользу.

Работа искусственного интеллекта не очень отличается от работы мозга

Я, конечно, разделяю опасения относительно опасности искусственного интеллекта. Прогресс идет очень быстро, и мы можем просто не уследить за ним. Если не так давно можно было говорить, что искусственный интеллект — это примитивный организм с ограниченными способностями, то в настоящее время уже роботы умеют делать обратное сальто и понимать речь на английском языке намного лучше людей. Как мне кажется, работа искусственного интеллекта принципиально почти ничем не отличается от того, как функционирует мозг. Это, безусловно, упрощенная модель, но она воспроизводит то, что происходит у нас в голове.

Искусственный интеллект в настоящее время, как детская игрушечная машинка, в сравнении с обычным взрослым автомобилем. Но технологии развиваются стремительно. Все сильно отличается от технологий первого поколения, с момента появления которых прошло только пять лет.

Развитие происходит очень интенсивно — люди пытаются воспроизвести процессы в мозге. Экстенсивное развитие идет за счет роста производительности оборудования: с каждым годом сети можно делать глубже. Вычислительная мощность нейронной сети сравняется с мощностью мозга уже в ближайшее десятилетие.
Человечество стоит у порога создания универсальных систем, которым достаточно указать правила, и они сами найдут наилучшие пути решения!