Как сделать осязаемый AI-продукт за 24 часа для крупной корпорации

Это пост о том, что такое хакатон и его пользе, о нашем кейсе и опыте участия в хакатоне Россетей, о том, как можно быстро и с небольшим бюджетом получить минимально жизнеспособное решение в сфере компьютерного зрения в, казалось бы, очень короткие сроки: 24 часа вместо привычных для MVP 3-4х месяцев.

Наша цель: Показать вам, как снять основные риски, и перед тем, как вливать ощутимый бюджет, за относительно небольшие деньги получить осязаемое ИИ решение под ваши задачи. И делать так, можно не только при помощи хакатонов.

Углубляясь в этимологию слова, мы получаем гибрид двух: хакер и марафон. Сегодня хакатоны проводятся не только по программированию, это соревнования, где специалисты из разных областей сообща работают над решением какой-либо проблемы. Обычно хакатоны длятся от одного дня до недели.

Александр Пряхин, основатель компании Outlines Tech для РБК:

“По сути, хакатон — это соревнование, в котором командам нужно за короткое время разработать прототип продукта (например, веб-сервис или мобильное приложение) для решения определенной проблемы, с которой столкнулся бизнес-заказчик.

Этот же заказчик оформляет проблему в кейс и привлекает своих экспертов для консультаций. Команды собираются по 3-5 человек: разработчики, дизайнеры, аналитики, маркетологи и другие специалисты ИТ-сферы. Длиться такой марафон может от нескольких часов до недели. Когда хакатоны только стартовали в начале нулевых в Кремниевой долине, участники часто приходили вместе со спальными мешками и совсем не покидали площадку. Если люди непрерывно работают в команде в таком формате, у них часто получается найти нетривиальные решения для привычных задач.”

В условиях пандемии хакатоны перешли некоторые в онлайн. В одном их таких и участвовала команда VisionSystems.

Исключая формат мероприятия, остальные контрольные точки остались такими же.

Обычно хакатоны начинаются с презентации мероприятия в целом и конкретных тем, если они есть. Затем участники предлагают идеи и формируют команды, основанные на интересах и навыках. После этого начинается непосредственно работа над проектами, которая может занимать от нескольких часов до нескольких дней. Еда на хакатонах (особенно тех, которые продолжаются больше суток), это обычно пицца и энергетики. Также участники могут спать во время хакатона, если найдут, где.

Завершаются хакатоны презентациями проектов, во время которых каждая команда делится результатами своей работы. Иногда хакатоны носят соревновательный характер. В таких случаях жюри оценивает участников и выбирает победителей, которые награждаются призами.

Организовать хакатон может профильный event-подрядчик.

Одни из самых известных: Angel Hack, TechCrunch, Russian Hackers, Актум, Boosters Pro и Zucker Studio. Также организатором может выступить технологический акселератор или корпорация.

Чаще всего корпорации, венчурные фонды и другие крупные игроки только финансируют эти мероприятия, преследуя плюс-минус подобные цели:

Корпорации типа Microsoft, Google, Facebook регулярно проводят хакатоны.

В России от тренда не отстают Яндекс, Mail.ru Group, Лаборатория Касперского, Сбербанк, Газпромбанк, Альфа-Банк, Тинькофф и другие. Они проводят как внутренние, так и внешние хакатоны. Цели все те же — привлечение ценных кадров, развитие корпоративной культуры и реализация новый идей.

Какая выгода?

Участие в хакатонах помогает разработчикам познакомиться со специалистами компаний-спонсоров, продвинуть свой проект, прокачать навыки и завести новые знакомства.

Ну и забрать часть призового фонда и запустить пилотный проект с компанией, которая предложила кейс-задачу для хакатона. (Если предложила)

Спонсоры и крупные компании на таких ивентах находят проекты и команды, которые решают их проблемы или задачи эффективнее и быстрее, чем они бы сделали это своими ресурсами. Бывают, когда созданные на хакатонах продукты привлекали большие инвестиции и были куплены корпорациями, но чаще всего компании стараются не упускать новаторские продукты и идеи для собственных сервисов.

Кстати, приложение MSQRD, которое купил Facebook в 2016 году, создали именно на хакатоне.

Компания Россети дала задачу на определение положения элегазового выключателя на их подстанциях.

Подстанции расположены на удаленных от города площадках. Это затрудняет передачу сигнала через камеры, а учитывая все риски, исходящие от даже небольшой ошибки, отраслевые правила требуют от персонала визуально убедиться в отключенном/включенном положении аппаратов для дальнейшего оперирования с оборудованием.

Это дорого — выезд машины и бригады из 3-х человек только для визуального контроля. Это долго, удаленные подстанции находятся в сотнях километров и добраться до них займет несколько часов. Это сложно назвать оптимизацией работы.

Решением было методами компьютерного зрения локализовывать на кадре элегазовый выключатель, определять его положение, и дальнейший мониторинг этого положения.

Детали зависели от ранее уже обозначенного канала связи: слабый он или сильный.

Рассмотрим оба случая:

При сильном сигнале канала связи используется камера на объекте: на каждый объект камера. Она передает сигнал на удаленный сервер модуля распознавания, который, в свою очередь, анализирует видео и передает ответы о положении выключателя в реальном времени. Это не тратит большое количество места на сервере, так как отправляется не вся картинка целиком, а уже проанализированная информация, где гипотетический 0 — нет, а гипотетический 1 — да.

Ответы модуля распознавания на предоставленный датасет:

При слабом канале связи будут использоваться также, камеры на каждом объекте, но уже сигнал передается не на сервер модуля, а на коробочное решение: небольшая коробочка, размером примерно с классический смартфон, которая также расположена на объекте. Она анализирует видео и отправляет мета-данные и отдельные кадры оператору.

По сути, компьютерное зрение определяет положение выключателя и, в зависимости от канала связи, передает информацию.

Что это даст заказчику?

Это значительно уменьшит количество выездов бригад для визуального осмотра в дневное время. Сейчас, на выезд и проверку оборудования, специалисты тратят около 4х часов.

С нашим решением будет экономиться время, которое можно будет оптимизировать для выполнения других задач: мы уменьшим в 20 раз время на определение состояния приборов и датчиков на подстанциях: с нескольких часов до 5-10 минут, за счет ИИ решения.

Помимо выгоды для компании, такая оптимизация позволит без промедления запускать аварийно-ремонтные работы и восстанавливать отпуск эл.энергии

В рамках пилота (за 24 часа):

Для реализации нам потребовалось создать инфраструктуру видеоаналитики на объектах, собрали все необходимые данные, интегрировали решение. Провели тюнинг модулей распознавания на основе реальных данных и включили в аналитику дополнительные датчики для мониторинга.

Для промышленного решения это будет:

То есть мы на хакатоне отмакетировали основные R&D риски (которые можно было закрыть за это время) и оставили на масштабирование самые долгие но уже сейчас понятные работы.

И таким образом мы полностью решили проблему, дали заказчикам представление о том, как это будет работать, о сроках и стоимости проекта и все это за 24 часа.

Интересно, что мы смогли так поступить с AI-проектом, у которого технологический порог входа выше, чем для среднего решения в веб-разработки, с которыми уже привыкли работать на хакатонах, и которыми уже мало кого можно удивить.

Почему это было для нас легко?

Чтобы выполнить такие макетирования, команда уже должна обладать определенными навыками и опытом, а именно:

Детекция фрода на кассах — система на существующей инфраструктуре банка по видеопотоку может обнаружить валюту и сверять эти события с автоматизированной банковской системой учета операций, контролируя мошеннические действия.

Распознавание лиц для ВКС — умный поиск, учитывающий дополнительные параметры при ранжировании похожих лиц сотрудников; разработка своего пайплана работы каскада нейронных сетей и алгоритмов машинного обучения для быстрого поиска совпадений по всем лицам в кадре, детекции и 3D reconstruction для выравнивания изображений и проверки допустимых ограничений для запуска распознавания поворота лица

Плюсом у нас уже был опыт работы с крупными клиентами, такими как СберБанк, Центр-Инвест банк. К слову, с этим кейсом мы выиграли региональный этап, прошли в финал и вышли на всероссийский уровень.

Хакатон — отличная площадка, чтобы проверить силы для новичков и для уже опытных игроков. А еще это хороший способ протестировать прототип AI-решения, не потратив при этом больших сумм и уйму времени. К примеру, пока заказчик не «пощупает» разработку, проект на основе МЛ для него словно black-бокс. Для него разумно опасаться и триста раз подумать, а надо ли оно ему? Готовое решение за 20 часов не сделаешь, но придумать, что удастся заложить в прототип, который можно пощупать, сняв максимум рисков и вынести за пределы хакатона. Такой прототип можно легко объяснить заказчику, он даст понимание, что и как делать дальше, и стоит ли овчинка выделки.

Выгода же компании-заказчика в том, что за короткий промежуток времени и небольшой бюджет (относительно полноценного решения), компания получает прототип технологического решения, оценивает его жизнеспособность, выгоду и применяемость.

Это снимет главный риск: поверив в идею, надолго уйти в разработку сложного технологичного решения, потратить бюджеты и прийти к тому, что идея полное, дорогое и не работающее нечто!

Нам попался кейс, который идеально подошел нам по виду нашей деятельности вне форума: мы консультируем, разрабатываем готовые решения для бизнеса в сфере компьютерного зрения и машинного обучения. Примечательно, что такие прототипы можно получить не только в рамках хакатона.

Если остались вопросы — пишите в комментарии или сразу в фейсбук