-2.32%
53.15
-0.20%
65.1512
-0.14%
70.9461
+0.06%
1.0889
+1.09%
1646.15

Как Москва получила за $3,2 млн лучшую в мире систему распознавания лиц

12 февраля, 00:20
39
Власти Москвы в январе запустили крупнейшую в мире онлайн-систему распознавания лиц. Технологию мэрия приобрела у российской компании NtechLab. До сих пор NtechLab был известен как разработчик приложения для поиска людей во «ВКонтакте» по фото.
В январе в Москве без особой огласки запустили одну из самых современных систем распознавания лиц в мире, которая охватывает несколько десятков тысяч установленных в городе камер.
Разработчиком новой технологии распознавания лиц в видеопотоке стала российская компания NtechLab, известная своим мобильным приложением FindFace. Технология распознавания лиц NtechLab, как писали некоторые СМИ, могла «положить конец анонимности в обществе». Приложение FindFace было запущено в середине 2010-х. Оно помогало по фотографии найти человека в социальной сети «ВКонтакте».
Под присмотром: во сколько обойдется система распознавания лиц на улицах Москвы
Впоследствии разработчики NtechLab удалили FindFace из всех магазинов мобильных приложений и начали разрабатывать технологии обработки информации с камер видеонаблюдения в сотрудничестве с государственными органами. На этой неделе стало известно, что мэрия Москвы заплатила NtechLab не менее $3,2 млн за использование ее технологии распознавания лиц в городской системе видеонаблюдения.
В интервью Forbes USA генеральный директор NtechLab Александр Минин заявил, что речь идет о крупнейшем в мире проекте распознавания лиц в режиме реального времени, даже несмотря на то, что по большей части технологию не используют в онлайн-режиме. С ее помощью можно в реальном времени найти лицо в толпе и в ту же секунду сравнить его с фотографиями людей из полицейских баз данных разыскиваемых преступников. Полиция Лондона сейчас тестирует похожую систему в сотрудничестве с японской компанией NEC. Новые технологии позволили существенно ускорить работу — раньше все материалы с камер наблюдения сохранялись в отдельный видеоархив и сотрудникам полиции нужно было прогонять каждую видеозапись через специальную систему распознавания лиц, чтобы найти совпадение.
Разведка США признала лучшей российскую технологию распознавания лиц
Многие по-прежнему озабочены последствиями внедрения такой технологии в городскую систему видеонаблюдения. Прежде всего, возможным нарушением неприкосновенности частной жизни в связи с непрерывным поиском лиц в видеопотоке в режиме реального времени. Учитывая низкий уровень соблюдения прав человека в России, некоторые люди опасаются начала тотальной слежки, описанной в антиутопии Джорджа Оруэлла «1984». В прошлом году российская активистка движения за права женщин Алена Попова подала иск к мэрии Москвы. Она утверждала, что внедрение общегородской системы распознавания лиц нарушит права людей на неприкосновенность частной жизни. Однако вскоре ее иск был отклонен.
Тем не менее, Минин гордится своей работой и рад тому, что в Москве запустили новую систему распознавания лиц. Он говорит, что NtechLab работала над проектом в течение двух лет. «Наша система подключена к сотням тысяч камер и работает в режиме реального времени», — утверждает Минин. По его словам, от большинства похожих систем распознавания лиц NtechLab отличается тем, что использует специальные нейронные сети для сопоставления изображений и не нуждается в обучении по базам лиц. Это позволяет снизить шансы на то, что система распознавания лиц проявит предвзятость по национальному признаку, за что критиковали разработчиков других технологий, отмечает Минин
Власти Сан-Франциско запретили использование технологий распознавания лиц
Будут ли технологии NTechLab использоваться в США? Это вполне возможно, учитывая тот факт, что американские правительственные организации дали высокую оценку российской технологии. Система NTechLab была признана лучшей в рамках тестирования технологий распознавания лиц, которое проводилось Национальным институтом стандартов и технологий США. Несмотря на то, что существуют некоторые опасения по поводу того, насколько безопасно сотрудничество американских государственных органов с российскими компаниями, руководство NTechLab заключило партнерство с поставщиком систем видеонаблюдения Genetec, который ранее получил несколько государственных контрактов от правительства США.
На американском рынке NTechLab придется конкурировать со множеством технологических стартапов, в том числе и компанией ClearView, инвестором которой стал миллиардер Питер Тиль. Недавно газета The New York Times опубликовала расследование, заявив, что система распознавания лиц ClearView использует изображения из социальных сетей вроде Facebook и Twitter, чтобы помогать полиции находить соответствия с фотографиями разыскиваемых людей из огромных баз данных правоохранительных органов США. Несмотря на то, что ранее приложение FindFace использовало похожий принцип, Александр Минин сомневается в перспективности использования данной стратегии. «ClearView портит репутацию систем распознавания лиц», — говорит гендиректор NTechLab.
Крупнейший поставщик камер полиции в США отказался от функции распознавания лиц
NtechLab также работает над созданием высокотехнологичных очков для полицейских. Предполагается, что сотрудники полиции смогут носить их во время патрулирования городских улиц, и очки будут предупреждать их о приближении людей, находящихся в розыске. По данным The New York Times, ClearView также начала работать над подобной технологией. Но NtechLab, по крайней мере, уже разработала прототип подобных очков. Однако они пока что не станут частью огромной московской системы распознавания лиц. «Пока что речь об этом не идет. У нас есть техническая возможность создания подобных очков. Сейчас все еще проводятся испытания прототипов», — отметил директор по PR NtechLab Николай Грунин.
Паника из-за FaceApp: угрожает ли приложение для «состаривания» лиц вашей конфиденциальности?

5 главных технологий десятилетия: выбор венчурных инвесторов

5. Редактирование генов и генная терапия
5. Редактирование генов и генная терапия
Объясняет Константин Северинов, профессор Сколковского института науки и технологий и Ратгерского университета (Нью-Джерси, США):
Идея терапии путем геномного редактирования состоит в следующем: если вы можете в точно указанном месте разрезать молекулу ДНК в хромосоме, например, клетки человека, то клетка сама зашьет внесенный разрыв необходимым вам образом — это позволит, например, исправить какую-либо мутацию или создать изменение в генетическом материале, ведущее к возникновению нужного вам признака. Клинические применения — например, для борьбы с раком или мышечной дистрофией — могут быть основаны на разных технологиях редактирования. В 2010 году технологии CRISPR не существовало: хотя само явление было уже известно, но никакого отношения к практике оно не имело. Тогда существовало два подхода, с помощью которых ученые пытались решать задачи геномного редактирования — «молекулярные ножницы» на основе «цинковых пальцев» и талены. Эти технологии неплохо работают, но они сложны: для того чтобы отредактировать какое-то определенное место в геноме, требовались буквально годы работы высококвалифицированных специалистов.
В 2012 были опубликованы первые статьи, показывающие, что CRISPR-нуклеазы также могут быть использованы для редактирования. Редактирование с помощью CRISPR-нуклеаз на порядок проще, чем с прежними редакторами. Это привело к революции: люди стали говорить, что теперь генным редактированием можно заниматься в гараже (хотя это и преувеличение). Скорость и простота — то, что отличает CRISPR технологию 2010-х годов от технологий нулевых.
Однако «просто» — не обязательно хорошо: «цинковые пальцы» часто оказываются более точными редакторами, чем CRISPR. Kлиническиx исследований с использованием геномного редактирования для лечения болезней человека очень мало, и многие из них основаны именно на «цинковых пальцах». При этом надо понимать: все эти технологии настолько новые, что никаких реальных больных с их помощью пока никто не лечит, если не считать скандальных опытов Хэ Цзянькуя, который тоже никого не лечил, а просто создал девочек с направленными мутациями, вызванными действием CRISPR-нуклеаз. Публикации в прессе иногда оставляют ощущение, что буквально завтра мы всех вылечим, однако это будет никак не завтра, а в лучшем случае через пять-десять лет, и лишь для ограниченного круга редких болезней. Клинические исследования находятся на ранних стадиях. С другой стороны, эти методы уже сейчас широко используются для получения «отредактированных» сельскохозяйственных животных и растений, продукты из которых уже есть в продаже в ряде стран. Надо только понимать, что такие животные и растения — ГМО.
Следующий слайд
4. «Большие данные»
4. «Большие данные»
Слово Давиду Рафаловскому, исполнительному вице-президенту Сбербанка, руководителю блока технологий:
Мы стоим на пороге изменений, которые могут сравниться с зарождением жизни на Земле. В 2010-х годах мы перешли из информационной эпохи в цифровую. Сегодняшний день — это экономика данных.
Главное отличие цифровой эпохи от информационной заключается в том, что люди научились работать с «сырыми», неструктурированными данными. За последние 15 лет экспоненциально выросли количество машин, включенных в сеть, число людей, пользующихся интернетом, и производительность компьютеров. На рубеже 2010-х годов технологии Big Data стали доступны широкому бизнесу. При этом в экспоненциально развивающийся мир мы вступаем с линейным мышлением и линейным представлением о будущем — в этом и заключается ключевое противоречие новой эпохи. Мы назвали этот новый мир транзитным и турбулентным.
Он характеризуется гигантским увеличением потока данных. Каждые два дня мы теперь генерируем столько же информации, сколько ее появилось с момента сотворения мира до 2003 года. По прогнозам в 2025 году мы будем генерировать в сто с лишним раз больше: 62 Гб данных.
Технологии анализа больших данных, компьютерного зрения, речевой аналитики, распознавания речи и голоса дают бизнесу и государству возможность «переизобрести» себя. Производители товаров и услуг понимают, что и в их жизнь приходит «цифра». И если они не займутся цифровизацией, то ею займутся конкуренты, которые в итоге вытеснят их с рынка, потому что цифровизация радикально меняет бизнес-модель, удовлетворенность потребителей, стоимость и качество любых товаров и услуг. Big data имеет радикальное влияние на общество. Чтобы быть на волне прогресса, необходимы решения на уровне каждого отдельного человека, бизнеса. Нужно обеспечивать возможности для переподготовки кадров, внедрять новые бизнес-модели и реформировать систему управления и предоставления услуг.
Следующий слайд
3. Облачные технологии
3. Облачные технологии
Комментарий Михаила Лобоцкого, управляющего директора компании SberCloud:
Во второй декаде XXI века облачные технологии стали многомиллиардным бизнесом, который продолжит расти и в следующем десятилетии. Согласно прогнозу аналитиков, IDC-рынок облаков будет расти на 22,3% в год и к 2023 году достигнет $500 млрд. Облачные подразделения таких гигантов, как Amazon и Microsoft, стали ключевыми подразделениями этих компаний. Причина такого впечатляющего триумфа облаков ­­— их высокая востребованность в бизнесе и универсальность. Получить свои конкурентные преимущества от использования облачной инфраструктуры и сервисов может получить любая компания, независимо от размеров и направления ее деятельности. Эти преимущества можно охарактеризовать двумя словами: скорость и эффективность.
Миграция в облако позволяет бизнесу очень быстро масштабировать свои вычислительные мощности и оперативно запускать на них новые продукты и решения. Получить у облачного провайдера дополнительные сервера или системы хранения данных можно за минуты. Если же делать это на собственной ИТ-инфраструктуре, то процесс закупки и наладки оборудования, найма ИТ-специалистов может занять месяцы. Точно так же быстро в облаке можно сократить потребление вычислительных мощностей и, соответственно, сэкономить средства.
Отдельно хотелось бы отметить, что облака стали комплементарной технологией для того, что сейчас называют «искусственными интеллектом». Этот факт дополнительно способствует росту популярности облачных решений. Теперь для обучения нейросетвых моделей не нужно покупать много дорогого «железа». Даже небольшая компания или независимый разработчик может использовать облачные мощности для обучения своих программных моделей.
Следующий слайд
2. Альтернативная энергетика
2. Альтернативная энергетика
О том, какой путь прошли за десять лет технологии альтернативных источников энергии (АИН), рассказывает Евгений Теруков, доктор технических наук, профессор ФТИ им. А. Ф. Иоффе в Санкт-Петербурге:
Под альтернативными источниками энергии (АИН) обычно понимают солнечную энергетику, ветровую, приливную и биоэнергетику. По темпам развития на первом месте сегодня стоит ветер, однако существуют оговорки относительно экологических последствий ветровой генерации. Что касается солнечной энергетики, то в течение этого века ее суммарная мощность выросла от примерно 1 ГВт в 2001 году до 500 ГВт сейчас.
Сама технология за это время принципиально не изменилась: физическое явление, на котором основана солнечная генерация, было открыто в начале прошлого века, а в 1950-х гг были разработаны первые солнечные батареи на кремнии для космических программ. Только потом технологии, разработанные для космоса, были перекинуты на наземную энергетику.
Проблема была только в том, что солнечные элементы, которые производились для космоса, были дорогими. Поэтому широкомасштабное внедрение солнечной энергетики затянулось. Наземная энергетика приобрела мировые масштабы только в XXI веке. Началось активное наращивание объемов солнечных станций. До 2011 года было построено 40 ГВт мощностей, а потом каждый год прибавлялось по 30, 40, 60 ГВт — каждый год шел рост ввода новых солнечных станций. Похожая динамика и по ветряным электростанциям.
Конечно, на этот рост оказали влияние и те проблемы, с которыми столкнулась атомная энергетика (безопасность), и проблема выбросов СО2, связанная с использование традиционных источников сырья в энергетике ( уголь, газ, нефть и т. д). Однако надо понимать, что капитальные затраты по введению мощностей АИН и традиционной генерации несоизмеримы: солнечная станция мощностью 5 МВт строится за 2-3 месяца, а масштабный объект традиционной энергетики — атомной, тепловой или гидро- — возводится годами.
Что касается рентабельности, ее сложно сравнивать, поскольку невозможно подсчитать, к примеру, долгосрочный урон от утилизации конструкционных материалов отработавшего ядерного реактора. Однако уже сейчас в США и Германии стоимость солнечной электроэнергии сравнилась, а для ряда регионов этих стран стала ниже энергии, получаемой от традиционных источников. Наиболее активно солнечную энергетику сегодня развивают Китай, США, Япония, Германия и Индия.
Согласно прогнозам экспертов, к концу столетия 80-90% энергии будет производится по технологиям возобновляемой энергетики.
Следующий слайд
1. Искусственный интеллект
1. Искусственный интеллект
Рассказывает Игорь Пивоваров, главный аналитик Центра компетенций НТИ на базе МФТИ по направлению «Искусственный интеллект»:
Разработки в области искусственного интеллекта идут уже давно: начало принято отсчитывать от знаменитой конференции в Дартмусе, США в 1956 году. С тех пор было несколько разных поколений технологий ИИ — вопросо-ответные системы, экспертные системы, много других подходов и, наконец, технологии машинного обучения, в первую очередь, глубокие нейронные сети, которые сегодня в первую очередь ассоциируются с понятием «искусственный интеллект». По сути нейронная сеть — это простая математическая модель коры головного мозга человека, способная обучаться решать определенную задачу на большом количестве данных. В такой сети может быть несколько миллионов нейронов, соединенных миллиардами связей (к слову, в мозгу человека ~86 млрд нейронов и триллионы связей).
Революция в этой области произошла примерно в 2010-х годах и связана была с тремя факторами:
  1. Появились дешевые вычислительные мощности, которые позволили обучать большие сети
  2. Появились огромные объемы размеченных данных — например, фотографии в Инстаграмме, которые сами же пользователи подписывают хэштегами
  3. Появился Open-source — открытый программный код, которые компании выкладывают в сеть, и им могут пользоваться все программисты.
Все эти факторы сильно ускорили разработку новых моделей ИИ и их обучение, и сегодня мы имеем обученные сети, способные переводить с языка на язык не хуже, чем человек, или распознавать объекты на картинке даже лучше человека. Однако до настоящего интеллекта пока еще далеко. Все эти технологии относятся к «слабому ИИ», то есть способному выполнять одну узкую задачу. А любой человек способен выполнять множество разных задач, легко переключаясь между ними. Этого машины пока не умеют, так же как и не умеют самостоятельно ставить цели и планировать их выполнение. Эти разработки еще только ведутся, так что впереди нас ждет много интересных открытий!
Следующий слайд

Наверх