Занимаюсь распознаванием образов на работе. Тема хорошая, но пока что вычислительные мощности и качество алгоритмов недостаточны чтобы решить задачу. Amazon GO пока что убыточен, известны способы как можно в нем воровать продукты и ничего за это не будет: https://www.youtube.com/watch?v=JbyjL9tazxQ
Я видел в Париже автоматы, в которых покупатель платит, а потом получает товар с полки. Такие девайсы уже много лет есть в любом большом бизнес центре. Я подозреваю, что зарплата кассира -- лишь малая часть работы персонала магазина, товар нужно разгрузить, распложить на полках, помыть полы, проверить что товар в норме, работать с возражениями покупателей и что-то им подсказывать. Большинство этих функций текущие алгоритмы и близко не состоянии сделать, для обучения нейросетей нужно много размеченных данных, столько данных просто нет. Так что я к этим стартапам отношусь скептически, главная цель -- собрать бабла от инвесторов.
Если кому интересно про пределы качества распознавания, посмотрите на результаты MOT challenge -- конкурса алгоритма поиска пешеходов на видео, у лучших алгоритмов много ошибок: https://motchallenge.net/results/2D_MOT_2015/, вот вам и ответ почему самоуправляемые машины есть только в рекламных роликах с радостными людьми.
С клиента еще нужно взять согласие на обработку персональных (биометрических) данных, которые по закону для акцепта оферты купли-продажи никто требовать не вправе.
А как вы определяете, что качество алгоритмов достаточно, чтобы решить задачу?
Вы понимаете техническую сторону разработки инструмента, но решение о его внедрении принимается с экономической стороны - ошибки алгоритма должны приносить убытков не более чем текущие кражи. Даже если краж станет сильно больше, их покроет сумма освободившегося ФОТ от уволенных сотрудников обычного магазина. И в данном случае текущих возможностей этой системы уже видимо достаточно, иначе бизнес не стал бы и пробовать. Уже можно внедрять, а все последующие улучшения алгоритма будут относиться к ещё большему снижению затрат по сравнению с таким же, но обычным магазином.
Занимаюсь распознаванием образов на работе. Тема хорошая, но пока что вычислительные мощности и качество алгоритмов недостаточны чтобы решить задачу. Amazon GO пока что убыточен, известны способы как можно в нем воровать продукты и ничего за это не будет: https://www.youtube.com/watch?v=JbyjL9tazxQ
Я видел в Париже автоматы, в которых покупатель платит, а потом получает товар с полки. Такие девайсы уже много лет есть в любом большом бизнес центре. Я подозреваю, что зарплата кассира -- лишь малая часть работы персонала магазина, товар нужно разгрузить, распложить на полках, помыть полы, проверить что товар в норме, работать с возражениями покупателей и что-то им подсказывать. Большинство этих функций текущие алгоритмы и близко не состоянии сделать, для обучения нейросетей нужно много размеченных данных, столько данных просто нет. Так что я к этим стартапам отношусь скептически, главная цель -- собрать бабла от инвесторов.
Если кому интересно про пределы качества распознавания, посмотрите на результаты MOT challenge -- конкурса алгоритма поиска пешеходов на видео, у лучших алгоритмов много ошибок: https://motchallenge.net/results/2D_MOT_2015/, вот вам и ответ почему самоуправляемые машины есть только в рекламных роликах с радостными людьми.
С клиента еще нужно взять согласие на обработку персональных (биометрических) данных, которые по закону для акцепта оферты купли-продажи никто требовать не вправе.
А как вы определяете, что качество алгоритмов достаточно, чтобы решить задачу?
Вы понимаете техническую сторону разработки инструмента, но решение о его внедрении принимается с экономической стороны - ошибки алгоритма должны приносить убытков не более чем текущие кражи. Даже если краж станет сильно больше, их покроет сумма освободившегося ФОТ от уволенных сотрудников обычного магазина. И в данном случае текущих возможностей этой системы уже видимо достаточно, иначе бизнес не стал бы и пробовать. Уже можно внедрять, а все последующие улучшения алгоритма будут относиться к ещё большему снижению затрат по сравнению с таким же, но обычным магазином.