Наверх

Меньше драмы: искусственный интеллект в России есть, и у него всё хорошо. Интервью с Игорем Беляком, Directum

Время чтения: 11 минут
0
Меньше драмы: искусственный интеллект в России есть, и у него всё хорошо. Интервью с Игорем Беляком, Directum

Рынок искусственного интеллекта в нашей стране переживает самый настоящий Ренессанс. Наблюдается активный рост по всем направлениям. Увеличилась господдержка ИИ-инициатив, выросло число AI-стартапов, появилась самая большая российская мультимодальная модель генерации картинок по тексту (Kandinsky), принят Кодекс этики в сфере искусственного интеллекта. Под последним подписалась и компания Directum.

Редакция ECM-Journal взяла интервью у директора направления искусственного интеллекта компании Directum Игоря Беляка. Нам было интересно узнать, как высоко представитель вендора оценивает позиции ИИ в России, что понимает под «искусственным интеллектом» и почему считает, что ИТ-продукт должен дообучаться прямо в процессе своей работы.

Куда идет отечественный ИИ

— Игорь, что сейчас происходит с рынком интеллектуального ПО в России?

— Лучше всего на этот вопрос ответят цифры. По данным отчета AI Report, в 2021 году рынок искусственного интеллекта в нашей стране составлял 550 млрд руб. Причем основной сегмент рынка — это анализ данных, NLP и цифровые помощники. По сравнению с 2020-м рынок ИИ вырос на 28%. По прогнозам того же AI Report, в 2023–2024 годах рост сохранится.

Альманах «Искусственный интеллект» Индекс-2021

Приведу в пример еще одно авторитетное исследование. В 2019 году Министерство цифровизации РФ выпустило дорожную карту развития «сквозной» цифровой технологии «Нейротехнологии и искусственный интеллект», в рамках которой также спрогнозировало рост рынка ИИ — до 107,2 млрд руб. в 2023 году и до 160,1 млрд руб. в 2024-м.

При развитии интеллектуального ПО мы в компании Directum ориентируемся в том числе на эту дорожную карту. Могу сделать вывод, что потенциальный объем и емкость рынка для продукта Directum RX Intelligence составит 32,8% или 180 млрд руб.

— Какую роль играет компания Directum в развитии технологий искусственного интеллекта в России?

— Хочется верить, что сейчас мы в числе пионеров развития ИИ в сфере обработки корпоративного контента. В далеком 2018 году мы и несколько других компаний были первопроходцами в освоении ИИ. Сегодня Directum RX — официально первая российская интеллектуальная система в классах «06.12 Программное обеспечение средств электронного документооборота» и «04.08 Интегрированные платформы для создания приложений».

Что такое искусственный интеллект в России

Игорь Беляк, директор направления искусственного интеллекта компании Directum

— Есть официальная трактовка того, что считать искусственным интеллектом. Согласно дорожной карте развития технологии «Нейротехнологии и искусственный интеллект» ИИ — это комплекс технологических решений, имитирующий когнитивные функции человека и позволяющий при выполнении задач достигать результаты, как минимум сопоставимые с результатами интеллектуальной деятельности человека. Насколько искусственный интеллект в составе Directum RX соответствует этому определению?

— Периодически возникают споры на тему того, что ИИ не существует, а те продукты, которые сейчас есть на рынке, якобы просто нейросеть под маркетинговым соусом. Хочу раз и навсегда развеять этот миф.

В ГОСТ Р 59277-2020. Классификация систем искусственного интеллекта дается четкое определение, что такое ИИ:

3.18 искусственный интеллект (artificial intelligence): Комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение, поиск решений без заранее заданного алгоритма и достижение инсайта) и получать при выполнении конкретных практически значимых задач обработки данных результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека.

ИИ в составе Directum RX Intelligence полностью соответствует этому определению, и вот доказательства:

  1. В нашем продукте применяются механизмы, которые позволяют имитировать когнитивные функции человека. Например, чтение (компьютерное зрение — CV), распознавание образов (компьютерное зрение — CV), классификация объектов (компьютерное зрение — CV, обработка естественного языка — NLP) и т. д.
  2. ИИ-механизмы самообучаются и дообучаются в процессе использования системы Directum RX.
  3. Для классификации документов не нужно вручную задавать четкий алгоритм системе, какой документ к какому классу относить. Мы просто показываем ей примеры, а она сама формирует этот алгоритм с помощью машинного обучения и нейросетевых моделей. Аналогично и с извлечением фактов. Пример такого алгоритмического подхода к обработке документов — извлечение фактов на правилах и поиск печатей.
  4. Теперь что касается получения результатов, сопоставимых, как минимум, с результатами интеллектуальной деятельности человека. Разберу утверждение на примере практически значимой задачи — извлечения фактов из документов. Является ли для человека понимание сути, структуры и отдельных фактов в документе интеллектуальной деятельностью? Безусловно, так как эта задача требует обучения, погружения в предметную область и практики. Да, задача рутинная, но точно не неинтеллектуальная. Нельзя требовать от неподготовленного человека, чтобы он корректно извлек все необходимые факты из документа.

И еще одна важная ремарка. В гостовском определении не говорится о том, что искусственный интеллект должен полностью повторять когнитивные функции человека. Его задача — только имитировать человеческие зрение, слух, понимание, анализ данных, принятие решений. С этой точки зрения наша система соответствует термину государственных стандартов, действующих в Российской Федерации.

Зачем интеллектуальной системе дообучаться

— Хорошо, с вопросом ИИ-идентификации разобрались. А что скажете по поводу уникальных характеристик — обладает ли Directum RX особой функциональностью, которая отличает систему от подобных продуктов на рынке РФ?

— Еще раз замечу, что кроме Directum RX Intelligence, в России сейчас нет других систем для управления корпоративным контентом и бизнес-процессами, в состав которых так глубоко встроен искусственный интеллект.

Наша команда планирует реализовать функциональность дообучения интеллектуальных механизмов на исторических данных непосредственно в процессе работы. Уже разработана модель извлечения фактов — ансамбль однофактовых моделей, которая уберет технологические ограничения для автоматического дообучения. Что это даст нашим клиентам?

  • не нужно вручную создавать модели;
  • быстрый старт даже при отсутствии исторических данных (нет данных для разметки) — модели обучаются самостоятельно по мере накопления информации в интегрируемой системе;
  • не потребуются дополнительные платные адаптации продукта в случае изменения форм документов (например, при актуализации законодательства или смены ПО у контрагентов);
  • нет необходимости обучать специалистов для настройки форм, определений в стороннем продукте;
  • постоянное автоматическое фоновое совершенствование моделей извлечения фактов и классификации, которое повышает уровень автоматизации процессов и увеличивает ROI в Directum RX.

А вишенка на торте для наших клиентов — дополнительные налоговые льготы от государства при внедрении продуктов с использованием искусственного интеллекта.

— Расскажите подробнее об ансамбле однофактовых моделей. В чем его уникальность?

— Это такой подход в извлечении фактов, который исключает этап верификации авторазмеченных документов. В случае если в документе мы не нашли необходимый факт, то он просто не попадет в выборку, но может быть использован для обучения моделей других фактов, которые механизм авторазметки в нем нашел. Таким образом, мы делаем возможным автоматическое дообучение моделей ОИФ (обучаемое извлечение фактов).

Дополнительное преимущество заключается в том, что для добавления возможности извлечения дополнительного факта к существующей модели нам необходимо в новых документах разметить только этот факт, так как модели других фактов не будут дообучаться на этих документах.

— Насколько дорого клиенту обойдется дообучение моделей?

— По-разному. Весомое преимущество нашего подхода — это возможность дообучения на обычных серверных мощностях (минимальные требования: 4 ядра CPU, 20 Gb оперативной памяти). Получается, клиенту не нужно вкладываться материально.

Чаще всего решения по распознаванию и извлечению фактов из документов реализованы на сложных нейросетевых моделях, для обучения которых требуются большие вычислительные ресурсы и специальные устройства (GPU, TPU). Это усложняет, делает невозможным реализацию дообучения моделей в контуре клиента либо существенно удорожает стоимость владения продуктом.

— Какие технологии дообучения наиболее перспективны и почему? Какие из них используете в Directum RX Intelligence?

— В рамках задачи по извлечению фактов из документов мы используем три подхода, доказавших свою эффективность и применимость в продуктивной среде:

  1. Механизм гибких форм — ручная разметка якорных текстовых элементов и создание правил взаимного расположения элементов. Плюс в том, что можно быстро настроить систему (достаточно 3-5 документов) под работу с хорошо структурированными документами.

Недостатки же заключаются в том, что при изменении формы, якорных слов или нарушении взаимного расположения элементов необходимо выполнять ручную донастройку форм под новые формы документов. Также этот подход чувствителен к качеству текстового слоя. А у неструктурированных документов (входящие письма, обращения граждан, постановления судебных приставов и т. д.) как раз-таки качество часто страдает.

  1. Гибридный механизм гибких форм и нейросетевых моделей — ручная разметка якорных элементов изображений документов и создание правил их взаимного расположения.

Плюсы подхода — потребность в небольшом количестве обучающих примеров. Нейросетевые технологии компьютерного зрения помогают более гибко настраивать правила взаимного расположения объектов, ориентируясь не только на текстовый слой, но и на графические особенности документа.

Недостатки аналогичны предыдущему подходу, за исключением меньшей чувствительности к качеству текстового слоя. Для того чтобы изменить форму документа, нужно вручную корректировать правила и настройки расположения и обработки тех или иных элементов.

  1. Обучаемое извлечение фактов — ручная разметка фактов в документе и тренировка моделей машинного обучения.

Плюсы подхода: полная независимость от формы документа, использование механизмов семантического анализа взаимосвязей в документе, возможность применения на простых текстах (не только документы), толерантность к качеству текстового слоя за счет анализа большой выборки. Разметку документов могут выполнять низкоквалифицированные сотрудники.

Минус: для создания качественной модели придется разметить 400+ документов.

Ключевое отличие нашего подхода ОИФ — его автоматическое дообучение. Для сравнения: все конкурентные решения на рынке адаптируются к изменяемым входным данным только через ручной режим, а это влечет дополнительные затраты и снижение эффективности работы системы.

Но дообучение ИИ-механизмов невозможно без информации о работе пользователя в системе: что он поменял, что исправил, какие документы занес и т. д. В отдельных сервисах для распознавания и извлечения фактов эти данные не хранятся, они находятся именно в корпоративной системе, в которой сотрудники работают каждый день.

Directum RX Intelligence хранит всю историю запросов пользователей и выполненных операций с документами. Благодаря глубокой интеграции системы с интеллектуальными механизмами у последних есть постоянный доступ к новым данным. За счет этого и возможно дообучение ИИ. Даже после завершения проекта внедрения система продолжает совершенствоваться и становиться умнее.

Чтобы прочитать эту статью до конца,
или зарегистрируйтесь

Комментарии 0

Чтобы прокомментировать, или зарегистрируйтесь