छवि प्रसंस्करण के लिए तंत्रिका नेटवर्क। स्काईलम सॉफ्टवेयर से अलेक्जेंडर सवसुनको कहते हैं

अलेक्जेंडर सवसेंको छह साल से बुद्धिमान सिस्टम विकसित कर रहे हैं, जिनमें से दो स्टोनी ब्रूक में न्यूयॉर्क स्टेट यूनिवर्सिटी के वरिष्ठ शोधकर्ता हैं। उन्होंने डीएनए विश्लेषण, इमेजिंग और विपणन के लिए बुद्धिमान प्रणाली विकसित की।

अब अलेक्जेंडर स्काईलम सॉफ्टवेयर में एआई लैब का नेतृत्व करता है, जहां वह तंत्रिका नेटवर्क पर आधारित ग्राफिक संपादकों में लगे हुए हैं। हमने पूछा कि ए / बी परीक्षण में न्यूरल नेटवर्क का उपयोग करने के लिए उसे किन विशेष सेवाओं पर गर्व है।


अलेक्जेंडर, हमें स्टोनी ब्रूक में न्यूयॉर्क विश्वविद्यालय में अपने शोध कार्य के बारे में बताएं। आपके पास क्या परियोजनाएं थीं और वे कृत्रिम बुद्धिमत्ता या मशीन लर्निंग से संबंधित थीं?

नहीं, वे सीधे एआई और मशीन लर्निंग से संबंधित नहीं थे। मैं ग्राफीन पर आधारित नई सामग्रियों पर शोध कर रहा था। हमने 3 डी प्रिंटिंग के लिए नई सामग्री विकसित की है जो बिजली का संचालन करेगी। फिर, दो नलिका के साथ एक प्रिंटर का उपयोग करना, एक समय में बोर्ड के इलेक्ट्रॉनिक वायरिंग के मामले और प्रिंट दोनों को प्रिंट करना संभव होगा। हमने अंततः सामग्री बनाई, और अब यह बिक्री के लिए है।

मशीन सीखने के क्षेत्र में आपके पास एक दिलचस्प परियोजना थी - फोटो की गुणवत्ता में सुधार करने के लिए एक सेवा चलो। हमें बताएं कि आप मशीन को कैसे सिखाना चाहते हैं कि कैसे संपीड़ित छवियों को पुनर्प्राप्त करें।

हमने छवियों को अच्छी गुणवत्ता में लिया, उनसे संपीड़ित और शोर हो गया, और फिर तंत्रिका नेटवर्क को प्रशिक्षित किया ताकि यह सीख सके कि छवि को अच्छी गुणवत्ता में कैसे पुनर्स्थापित किया जाए। इस तरह के जोड़े पर प्रशिक्षण के बाद, तंत्रिका नेटवर्क स्वतंत्र रूप से छवियों की गुणवत्ता में सुधार करने में सक्षम था: पिक्सेलेशन, संपीड़न कलाकृतियों और अन्य दोषों को हटा दें।


फोटो स्रोत

इस परियोजना में सबसे मुश्किल क्या था?

मुझे लगता है कि इस प्रणाली का समर्थन करना है। जब TechCrunch, हमारी सेवा के बारे में Mashable में लेख दिखाई दिए, तो बहुत से ट्रैफ़िक हमारे पास आए, और एक दिन में हमने लगभग 200 हज़ार छवियों को संसाधित किया। मुझे यह सुनिश्चित करने के लिए काम करना था कि हमारे सर्वर यह सब समझ गए।

पिछले साल लेट्स एनहांस 2.0 रिलीज हुई थी। इसमें नया क्या था?

हमने प्रशिक्षण पद्धति, हानि-कार्य, नेटवर्क वास्तुकला को बदल दिया है। यदि आप उत्पाद की गुणवत्ता में सुधार करना चाहते हैं, तो इन पहलुओं को अंतहीन रूप से बदला जा सकता है।

आज सेवा दर्शक क्या है? क्या आपने इसे मुद्रीकृत करने का प्रबंधन किया था?

मैंने लगभग एक साल पहले लेट्स एनहांस.आईओ छोड़ दिया। उसके बाद, जुलाई 2018 में, स्टार्टअप टेकस्टार्स लंदन कार्यक्रम में गया और त्वरक से निवेश प्राप्त किया। परियोजना लगभग तुरंत मुद्रीकृत हो गई और लाभ में चली गई।

आपने किन एआई घटनाक्रमों में भाग लिया? उनमें से किस पर विशेष रूप से गर्व है?

मेरे सहयोगियों और मेरे पास एक टाइटेनोवो न्यूट्रीजेनेटिक्स परियोजना थी जिसने डीएनए का विश्लेषण किया था। मशीन लर्निंग का उपयोग करते हुए, हमने जीनोम-वाइड विश्लेषण और चिप जीनोटाइपिंग के आधार पर शारीरिक मार्करों और पूर्वानुमानों की भविष्यवाणी करना सीखा। उन्होंने वैज्ञानिक लेखों, आँकड़ों, गठित डेटासेट्स, सिखाए गए मॉडलों का डेटा एकत्र किया, उनके आधार पर लोगों के लिए सिफारिशें तैयार कीं और उनके भविष्य के स्वास्थ्य के बारे में भविष्यवाणियाँ कीं - यह सब फ़ज़ी लॉजिक, अलग-अलग क्लासीफायर पर बनाया गया था। अब खेल आनुवंशिकी पर पोषक तत्वों पर एअर इंडिया और एमएल का उपयोग करते हुए कई परियोजनाएं हैं। लेकिन हम पहले में से थे। इन घटनाक्रमों पर सामग्री मेरे ब्लॉग में मीडियम पर देखी जा सकती है।

मैंने विपणन टीमों के लिए लैंडिंग पृष्ठों के गतिशील अनुकूलन के साथ प्रयोग किया, बहु-सशस्त्र डाकुओं के सिद्धांत को तंत्रिका नेटवर्क में स्थानांतरित किया। उन्होंने ट्रैफ़िक खरीद को अनुकूलित करने के लिए मशीन लर्निंग स्क्रिप्ट बनाई। और अभी मैं जो इमेज वर्क कर रहा हूं, वह आर्टिफिशियल इंटेलिजेंस से भी संबंधित है। और मुझे उस पर गर्व भी है।

आप वर्तमान में छवि संपादन सेवाओं पर काम कर रहे हैं। यहां तंत्रिका नेटवर्क के कार्य क्या हैं?

सबसे पहले, पैटर्न मान्यता। Skylum Software से Photolemur प्रोग्राम में AI सबसे बड़ी भूमिका निभाता है: मशीन विज़न के लिए धन्यवाद, यह प्रोग्राम एक क्लिक में फ़ोटो बढ़ा सकता है।

यह कैसा चल रहा है?

हम एक फोटो अपलोड करते हैं, और सेवा स्वचालित रूप से इसमें सुधार करती है - आपको इसे बचाने की आवश्यकता है। कोई पॉप-अप, स्लाइडर्स या मोड नहीं।

ऐसा करने के लिए, सबसे पहले, कार्यक्रम को छवि के प्रकार को पहचानने की आवश्यकता है: चित्र, परिदृश्य, सिटीस्केप। और तस्वीर, इमारतों और अन्य वस्तुओं में लोगों को भी, दिन का समय, वर्ष का समय (यदि फोटो सड़क पर लिया गया था)। फिर आपको छवि को खंडित करने की आवश्यकता है, संबंधित क्षेत्रों का चयन करें। उदाहरण के लिए, चित्र में, चेहरे के कुछ भाग खड़े होते हैं: आँखें, कान, नासिका और अन्य।

फिर यह सब सुधारने की जरूरत है, और यहां कृत्रिम बुद्धिमत्ता का उपयोग नहीं किया जाता है। जिस तरह से फ़ोटोग्राफ़र्स ऐसी छवियों को संसाधित करते हैं, छवि वायर्ड एल्गोरिदम द्वारा बेहतर होती है। उदाहरण के लिए, त्वचा को चिकना करें, तालू के लिए कंट्रास्ट बढ़ाएं, आंखों के गोरे को हल्का करें। लेकिन यह सब गौण है। सबसे पहले, आपको छवि को खंडित करने की आवश्यकता है।



सिस्टम को प्रशिक्षित करने के लिए कौन से डेटाबेस और एल्गोरिदम का उपयोग किया गया था?

तंत्रिका नेटवर्क के विकास के लिए एक रूपरेखा की बात करते हुए, मैं एमएक्सनेट पसंद करता हूं - आज के लिए एक बल्कि विदेशी विकल्प, लेकिन धीरे-धीरे लोकप्रियता प्राप्त कर रहा है। मुख्य लाभ गणना की गति और प्रोग्रामिंग तंत्रिका नेटवर्क के अनिवार्य और प्रतीकात्मक मोड के बीच स्विच करने का हाइब्रिड मोड है, यह सुविधाजनक है। लेकिन डेटासेट और एल्गोरिदम के नाम, मैं आपको नहीं बता सकता, यह परियोजना का एक व्यापार रहस्य है।

एक बुद्धिमान ग्राफिक्स संपादक बनाते समय आपको किन कठिनाइयों का सामना करना पड़ा?

तकनीक अभी तक परिपक्व नहीं हुई है, तंत्रिका नेटवर्क अक्सर गलतियाँ करते हैं: पैटर्न मान्यता में और विशेष रूप से विभाजन में जब यह एक जटिल छवि की बात आती है। इसलिए, मुझे परिणामों का विश्लेषण करना पड़ा और पारंपरिक तरीकों और मानक एल्गोरिदम का उपयोग करके संपादित करना पड़ा। यह अभी तक एक प्रणाली का निर्माण करना संभव नहीं है, जो शुरुआत से अंत तक, विशेष रूप से एक तंत्रिका नेटवर्क की मदद से सब कुछ करता है। ठीक है, ज़ाहिर है, जब उपयोगकर्ता के अंतिम डिवाइस पर काम करते हैं, तो आपको नेटवर्क की जटिलता को ध्यान में रखना होगा - सीपीयू की गणना धीमी है, हर किसी के पास CUDA- सक्षम GPU नहीं है, और OpenCL अच्छी तरह से समर्थित नहीं है।

सही विकल्प के लिए कौन सी छवि ली गई है?

हमारी गुणवत्ता आश्वासन टीम इस पर काम करती है और छवियों की अंतिम गुणवत्ता पर विशेष ध्यान देती है। चूंकि हमारे फोटो संपादक और कैमरे दोनों लगातार बदल रहे हैं, इसलिए कुछ आदर्श विकल्प को ठीक करना असंभव है, क्योंकि यह लगातार बदल रहा है।

इन उत्पादों के दर्शक क्या है? क्या आप Adobe उपयोगकर्ताओं को "लुभाने" में सक्षम हैं?

हमारा प्रमुख ल्यूमिनेयर उत्पाद एडोब लाइटरूम का एक नया विकल्प है। छोटी और नज़दीकी टीम के कारण उत्पाद में नई तकनीकों को बहुत तेज़ी से पेश करना और नए उपयोगकर्ताओं को लगातार आकर्षित करना संभव है। ल्यूमिनेर शुरुआती और पेशेवर फोटोग्राफरों दोनों के लिए बहुत अच्छा है, क्योंकि यह एक-क्लिक संपादन टूल और फ़ोटो के साथ अधिक विस्तृत कार्य के लिए फ़ंक्शंस की पूरी श्रृंखला को जोड़ती है।


ल्यूमिनेयर इंटरफ़ेस लेख ल्यूमिनेयर और फ़ोटोशॉप में काम की तुलना करता है

लेकिन फोटोलमुर एक अनूठा और काफी युवा उत्पाद है, यह एक साल से थोड़ा अधिक पुराना है। उनके लक्षित दर्शक वे लोग हैं जो फ़ोटोशॉप के सभी स्लाइडर्स और बटन को समझना नहीं चाहते हैं, लेकिन बस चाहते हैं कि उनकी छुट्टियों की तस्वीरें जल्दी से सुंदर हो जाएं। हम अपने दर्शकों को खोजने में कामयाब रहे: बिक्री जारी है और उत्पाद सक्रिय रूप से उपयोग किया जाता है।

आप उन परियोजनाओं में भी शामिल हैं जो लैंडिंग पृष्ठों को अनुकूलित करने के लिए तंत्रिका नेटवर्क विकसित करते हैं। हमें इस काम के बारे में अधिक बताएं।

यह एक क्लासिक कार्य है जब आपको लैंडिंग पृष्ठ का ए / बी परीक्षण करने की आवश्यकता होती है। यदि आप सभी संभावित प्राथमिक विकल्पों के लिए अलग-अलग पृष्ठ उत्पन्न करते हैं, तो वे लाखों संस्करण निकाल सकते हैं। और शास्त्रीय दृष्टिकोण के साथ सांख्यिकीय रूप से महत्वपूर्ण परिणाम प्राप्त करने के लिए, आपको इन सभी विकल्पों की जोड़ी ए / बी परीक्षण करने की आवश्यकता है। इसके लिए अविश्वसनीय मात्रा में यातायात की आवश्यकता होती है। इस तरह के बड़े पैमाने पर परीक्षण केवल बहुत बड़े संसाधनों वाली कंपनियों, अमेज़ॅन को वहन कर सकते हैं, उदाहरण के लिए।

और अगर एक छोटी कंपनी कई विकल्पों का परीक्षण करना चाहती है, तो आप तंत्रिका नेटवर्क का उपयोग करके ए / बी परीक्षण कर सकते हैं जो सुदृढीकरण प्रशिक्षण के साथ काम करते हैं। फिर, वास्तव में, तत्वों के साथ पृष्ठ को भरना एक तंत्रिका नेटवर्क के हाथों में दिया जाता है और इसे पृष्ठ रूपांतरण को बढ़ाने के लिए एक कार्य के रूप में निर्दिष्ट किया जाता है। काम के इस संस्करण में, तंत्रिका नेटवर्क सर्वर पर घूमता है और समानांतर में सीखता है कि ट्रैफ़िक कैसे जाता है। और अंत में, यह इष्टतम लैंडिंग विकल्प को बहुत तेज़ी से ढूंढता है।

यदि यह थोड़ा अधिक जटिल है, तो AI लैंडिंग पृष्ठों के संस्करणों को दिखाना सीखेगा जो किसी विशेष उपयोगकर्ता के लिए व्यक्तिगत हैं। क्योंकि हम अतिरिक्त जानकारी भी प्रदान करते हैं: ब्राउज़र, दिन का समय, ऑपरेटिंग सिस्टम। तदनुसार, उपयोगकर्ता उस पृष्ठ को देखता है जिसे तंत्रिका नेटवर्क उसे दिखा रहा है, और इस विधि के साथ यातायात को काफी कम आकर्षित करने की आवश्यकता है। बेशक, एक सही हिट की गारंटी नहीं है, लेकिन पेज बहुत तेजी से अच्छे परिणाम देगा।

अलेक्जेंडर 14 नवंबर को एआई कॉन्फ्रेंस कीव में दृश्य सामग्री और लैंडिंग पृष्ठ अनुकूलन के लिए तंत्रिका नेटवर्क का उपयोग करने के बारे में बात करेंगे। अन्य वक्ताओं की सूची और कार्यक्रम का कार्यक्रम आधिकारिक वेबसाइट पर है ।