Мы разрабатываем системы на основе методов искусственного интеллекта, которые помогают людям в решении различных задач, повышают эффективность бизнес-процессов и предоставляют новые возможности.
Значительная часть сотрудников нашей компании имеет ученую степень, научные публикации по теме машинного обучения и опыт решения сложных наукоемких задач.
Компания сотрудничает с Ярославским государственным университетом и поддерживает молодых, талантливых ученых, ориентируясь при этом на практические разработки и внедрение передовых методов искусственного интеллекта.
Computer Vision
Системы компьютерного зрения – видят объекты естественного мира.
Natural Language Processing
Системы обработки человеческого языка – понимают тексты.
Scoring
Предсказательные системы – прогнозируют будущее положение дел на основе прошлого опыта.
Reinforcement Learning
Cистема обучается, взаимодействуя с некоторой средой – совершает оптимальное действие.
Задача: во время эндоскопического исследования в реальном времени обозначить на видеопотоке патологические образования в желудке (рак и предраковые состояния)
Результат: реализован и запущен в опытную эксплуатацию в Ярославской областной онкологической больнице прототип программного обеспечения. Собрана размеченная база изображений с различными патологиями.
Особенности: возможность тиражирования алгоритма на другие медицинские изображения - МРТ, рентгеновские снимки, УЗИ, гистология
Задача: выявление повторных покупателей для формирования персональных предложений. Анализ трафика и очередей по видеоизображению.
Результат: разработан промышленный образец решения. Проведена пилотная эксплуатация в различных ритейл-сетях.
Особенности: полностью распределенное решение. Реализация оптимизированных нейросетевых алгоритмов на портативных устройствах с низкой производительностью позволяет существенно снизить стоимость внедрения.
Задача: автоматический перевод сервисных заявок на профильное подразделение (роль первой линии технической поддержки)
Результат: разработано ядро системы автоматически маршрутизирующее 75% заявок
Особенности: технология позволяет извлекать смысл из крупных блоков текста и может быть тиражирована на другие задачи
Задача: извлечение текстовых данных из фотографии документа на мобильном устройстве и автоматическое заполнение соответствующих полей договора
Результат: разработан промышленный образец программного обеспечения. Точность распознавания 98,9%. Скорость работы на мобильном устройстве 1,5 секунды.
Особенности: одновременно с распознаванием текста выполняется извлечение типов полей - фамилия, имя, отчество, номер документа и др., что позволяет автоматически вставлять соответствующие данные в подготовленный шаблон. Обработка изображения выполняется непосредственно на мобильном устройстве, что обеспечивает сохранность персональных данных. Разработанная технология позволяет выполнить быстрое тиражирование решения на другие типы документов.
Заказчик: Территориальный фонд ОМС Московской области, Федеральный фонд ОМС (тиражирование на все субъекты РФ)
Задача: предсказание вероятности дефекта для каждого случая оказания медицинской помощи в Московской области
Результат: разработана полнофункциональная информационная система. Количество дефектов, найденное экспертами при проведении проверок с учетом рекомендаций системы в 3-4 раза выше, чем без ее использования. Увеличение объема проверяемых счетов с 3-5% до 100%.
Особенности: разработанная технология может быть тиражирована на подобные задачи - нахождение риска мошенничества по ОСАГО, вероятность продажи, вероятность дефектов в оборудовании и др.
Задача: формирование схемы зданий и сооружений на основе данных дистанционного зондирования земной поверхности
Результат: нейронная сеть формирует схемы расположения зданий и сооружений из спутниковых изображений с необходимым качеством в 200 000 раз быстрее, чем картограф
Пример использования: нахождение незарегистрированных строений на большой территории
Особенности: большая вариативность типов и размеров объектов - от дачных строений до крупных промышленных зданий. Расстояние между объектами от 1 метра. Разброс типов территорий - от крайнего севера до субтропиков. В конечном решении суммарно использовано 12 различных технологий компьютерного зрения
Задача: обозначение цели, определение типа каждой цели, сопровождение цели в реальном времени
Результат: нейронная сеть находит необходимые типы целей и сопровождает их в реальном времени. Впервые в России выполнена аппаратная реализация глубокой нейронной сети на базе ПЛИС (FPGA).
Особенности: для обеспечения реализации алгоритмов искусственного интеллекта на ПЛИС проведен комплекс исследований по оптимизации вычислительных затрат. Реализовано полностью сверточное решение, основанное на целочисленных вычислениях. Достигнуто сокращение объема вычислений примерно в 20 раз. Выполнена программная реализация нейросетевого алгоритма без использования внешних программных библиотек (в том числе открытых).
