Мнение эксперта: черная магия и нейронные сети

Как мы знаем, нейронные сети — область специфическая и уникальная. Они применяются в различных областях науки: начиная от систем распознавания речи до распознавания вторичной структуры белка и генной инженерии.

А в каком направлении проявляется данный раздел науки в нашей IT–компании, мы спросили у нашего сотрудника и очень крутого эксперта в своем деле.

Немного о нем: хобби - спорт и программирование, фраза, с которой идет по жизни: “ Work it harder, make it better, do it faster, makes us stronger”. Если вкратце, то наш сотрудник - отличное сочетание программиста и саркастичного позитивного парня. А теперь перейдем к интервью.  

– Владимир, как давно ты стал интересоваться нейронными сетями? Когда впервые начал работать по этому направлению?

– Интерес к нейронным сетям как к системам принятия решений у меня был ещё в студенческие годы, но отсутствие реальных задач стало препятствием к развитию в этом направлении. Поэтому, как только появилась задача по автоматизированному поиску дефектов в рельсах, я сразу же ухватился за эту возможность.

– Да, у нас действительно не так много IT-компаний, которые имеют опыт в области нейронных сетей, но Russian IT Group предоставила тебе такую возможность, верно? Можешь рассказать чуть подробнее о том, чем ты занимаешься и о проекте, в котором компания применяет НС.

– Да, верно. Наш иностранный заказчик занимается в т.ч. ультразвуковой дефектоскопией рельсов. Специальные вагончики катаются по железнодорожным путям и при помощи ультразвука строят дефектограмму рельсов, которая потом отсматривается операторами на предмет коррозий, разломов и других дефектов. Но так как такие составы за день проходят сотни километров, работа у операторов крайне сложна и требует много времени. Наша задача — автоматизировать поиск дефектов, а в дальнейшем и вовсе отмечать эти дефекты при помощи маркера с краской в режиме реального времени, пока состав с оборудованием движется по путям. В случае возникновения спорных моментов, окончательное решение остаётся за оператором.

– Хм, автоматизация в этом направлении существенно сократила бы траты.

– Так как задача достижения необходимой производительности стоит остро, решение нужно было найти в короткие сроки. Благо, в наше время вычисления на нейронных сетях отлично векторизуются и ускоряются на GPU, что мы и используем в нашей системе. Это позволяет достичь скорости качественного процессинга в 100 м/с, чего более чем достаточно для подвижного состава, движущегося на скорости 80 км/ч. Цена ошибки высока, поэтому стремимся к 99,9% распознавания дефектов.

– Ты начинал работать над проектом с нуля или уже был какой-то готовый прототип?

– Проект я начинал не с нуля — у нас был готовый прототип proof of concept. Тем не менее, для того, чтобы довести прототип до ума, потребовалось достаточно времени и усилий — работа с нейронными сетями до сих не формализована и больше напоминает чёрную магию — изменили параметры — обучили систему — проверили, и так по кругу. Со временем вырабатывается эвристика и некоторые эмпирические правила, которые иначе как чёрной магией не назвать.

– А как ты думаешь, чего ожидать в будущем, как будут развиваться НС?

– Нейронные сети не являются серебряной пулей, и связанные с ними сложности не позволяют использовать их для решения любых задач, связанных с обработкой данных. Тем не менее, с развитием вычислительных мощностей GPU и новыми исследованиями в этой области, круг задач, успешно решаемых нейронными сетями, быстро расширяется — зарекомендовав себя в распознавании изображений и речи, нейронные сети уже создают произведения искусства. Что касается коммерческого применения, то мы и дальше собираемся решать возникающие перед нами задачи при помощи нейронных сетей.

– Спасибо за информативное интервью!