Машинное зрение: слишком дорого для экономики?
Мы продолжаем срывать покровы критически анализировать экономические исследования по теме замещения работников искусственным интеллектом. Сегодня мы познакомимся с работой «Beyond AI Exposure: Which Tasks are Cost-Effective to Automate with Computer Vision?», посвященной экономической привлекательности замены людей на ИИЭта работа была широко ( Read more... )
Но могу привести пример из нашей компании (Symbotic, в области автоматизации складов, сейчас один из мировых лидеров).
Одна из актуальных задач для автоматического распознавания - определение положения коробок на стеллажах автоматизированного склада: их соответстие заданному размеру, положению, не перекошены ли они, порвана ли упаковка, и т.д.
Основные сложности, пожалуй - очень большое разнообразие типов упаковок - от матового картона (проще всего) до разноцветной фольги в пластике или просто банки или бутылки обтянутые пластиком.
Задачи не простые, но всё-таки, я думаю, рентгенология намного сложнее.
У нас этим более двух лет занимается команда в основном именно специалистов по ИИ и машинному обучению, нейронкам и т.п. И пока до сих пор на уровне экспериментов, до внедрения так и не дошло. Часть из них разогнали в прошом году - слишком много обещали, слишком мало сделали. Я регулярно присутствую на заседаниях, где они отчитываются о работе. И, по моему впечатлению, они продвинулись не дальше, чем я более 10 лет назад в близкой задаче (измерение коробок, проходящих по конвейеру), но более традиционными методами (специальные фильтры, edge detection и т.п.). По надежности сравнимо, а по точности у меня было, по-видимому, получше. Я тогда не довел это до конца, переключился на другую задачу (упаковка разных коробок в палету, 3d bin packing), которую решил очень успешно.
В общем, во многих реальных задачах идея "поставим сюда глубокую нейронку, наберем картинок для обучения, и через месяц заработает" - не получается совсем.
Reply
Leave a comment