嗨，这是智能引擎。 28位人工智能识别系统开发人员的登陆聚会刚刚从阿姆斯特丹返回，我们参加了ICMV国际计算机视觉科学会议。 在本文中，我们将尝试解释为什么我们将大量时间用于科学并参加科学会议。
在科学和高科技发展的当今世界，已经发生了灾难性的概念替代：对于科学，已经发布科学以任何方式都不近似，科学家称呼程序员和工程师，科学称呼最简单的工程问题的解决方案。 在信息领域，基础科学在技术发展中的作用显然被低估了。 许多人忘记了iPhone的触摸屏不是iPhone的触摸屏本身，而是对我们的同胞诺贝尔奖获得者J.I.的半导体异质结构的基础研究思想的实施。 阿尔费罗娃。 Google（或Yandex）地图不仅是手机地图，而且是计算几何学领域基础研究的体现。 顺便说一下，电影《阿凡达》也是99％的计算几何。 机器视觉，神经网络和人工智能也不例外：整个复杂系统运行良好且正确，仅因为基础研究是基础。 一方面，一种基本的发展方法是为该行业发展提供正确载体的关键，另一方面，它表明了各种车库初创公司充斥着市场，而基础科学始终提供明显的优势。我们是科学家。 我们是科学家，毫不犹豫。 我们的创业公司（实际上已经不是一家创业公司很长时间了，但在俄罗斯和国外都享有良好运作的业务，完全是由于开发了先进的技术而没有政府或国家的任何投资而发展起来的）关于这种炒作，今天，每个人都在听到：计算机视觉，机器学习，人工智能，神经网络-总体来说，胡说八道的一整套词，据许多创业公司称，它显然使该项目成功了。 当然，事实并非如此。 您是否了解问题的实质很重要。 这就是为什么许多人从
上升位置开始很快就会发现自己处于
下降位置，然后又处于
退出位置。 因为不是科学家。
我们很少去参加人工智能领域的初创公司，有远见的人和福音传教士的会议。 事实是，现在每个人都学会了制作精美的演示文稿。 谁没有学-找到承包商。 在促进和推广技术解决方案上投入了大量资源（首先是吸引投资，然后证明弱者团队的活动是合理的），这既没有新颖性，也没有效率。 在精美的演示，图表和动画包装中，尤其是当将时髦而晦涩的科学技术术语融合进其中时，您总是可以掩盖缺乏真正的活动感。 对于许多演示文稿，没有科学依据。 它是一个包裹在美丽外壳中的空隙。 对于那些啄（或假装啄）有光泽的玻璃并出于某种原因而赚钱的投资者来说，这是一个诱饵。 实际上，很少有人想了解科学的组成部分，最喜欢关注外界的“陷阱”。 怎么办-演示经济在行动。 我们不是在谈论那个。 我们是关于科学的。
我们去参加科学会议。 例如，我们最近在文件识别会议上访问了澳大利亚。 俄罗斯不仅是俄罗斯，而且是官僚机构发展水平更高的国家。 一些受苦的人收集了纸片，其他受苦的人与他们一起工作。 各部委宣布了对常规流程的数字化和自动化的招标，出现了相当认真的执行公司，在此领域提供了他们的方法。 从高高的立场上可以解释，这一次不仅是更换眼睛和手的时候，我们正在谈论可以以有意义的方式理解文档的人工智能。 在这种情况下，非常奇怪的是，只有阿比（Abbyy）和我们参加了来自俄罗斯的领先人物简介会议。 我们没有看到数字化转型旗舰店的代表和人工智能发展国家计划的参与者。 事实证明，在俄罗斯了解文献的领域中，不再有科学家吗？
我们刚从阿姆斯特丹回来，在那里举行了计算机视觉科学会议
ICMV 。 在那里，我们根本没有设定促进公司成功发展为业务结构的目标。 我们告诉专业人士社区我们的研究团队正在研究哪些根本问题。 对于我们的年轻科学家（正是年轻的员工在会议上提供并发展我们领域的大胆想法担任主讲人），这是一个沉浸于科学活动，科学发展和专业发展的机会。
我们确信，对于一家初创公司来说，要
“起飞”并发展成为一家正在发展的企业，就应该以科学为基础，并从中发展出一种有效的技术，这是市场所需求并满足其要求的服务或产品的“引擎”。
在我们的领域-识别领域（这些是身份证明文件，各种配置文件，银行卡，表格，条形码，图像）-它所基于的技术和科学是基础。 错误的代价很高，这就是为什么我们对算法有很高的要求。 这就像一架飞机-它要么飞要么不飞，没有第三。 如果它飞行不好，则意味着它根本不会飞行。 就像在飞机制造中一样，该算法基于科学，这是一门严肃的基础科学，它源于我们祖籍人工智能的同胞的积压。 现在，许多人都参与到认可中，为这些服务创造了一个市场，而这个市场仍处于起步阶段。 尽管分析师预测该市场的全球规模到2024年将达到16-17亿美元，但它尚未完全形成。 但是我们在科学会议上很少见到同事。 在科学期刊上发表的论文甚至更少。 现在，我们可以听到愤怒的初学者的拖鞋如何飞入我们的行列，他们肯定确信进行研究和撰写文章毫无用处。 “我们是在做生意，而不是某种理论科学！”这就是为什么市场上许多识别系统坦率地表现不佳（尽管有漂亮的演示视频和广告口号），被误认为是需要操作人员（或这些操作人员的整个工厂）参与的原因。 ，它将检查模糊图像，并使用自己疲惫的手柄调整机器的决策。 但任务是做到这一点，以使识别过程完全自动化。 在我们的案例中，这并不意味着要完全消除错误，而是要使机器犯错误的频率要比人类少很多倍，数十倍和数百倍。
我们一直在努力改进自己的技术。 这是一个与大量理论工作和认真研究相关的过程。 在技术上，我们提高了准确性，速度，灵活性，使技术更“轻”，对硬件的要求更低，能源消耗更少。 这就是我们的“绿色AI”（绿色不是“未成熟”的意思，而是“绿色”的意思）。 我们了解到环保技术是一种趋势。 世界各地的潜在客户将紧贴这一趋势。 正是通过参加科学会议，我们才对这一趋势有所了解。 正如斯堪的纳维亚谚语所说：“砍伐森林时，别忘了及时修剪斧头。” 对我们来说，参加科学会议只是削尖斧子的过程。 技术不能从无到有，无法立即理解如何进行改进。 科学社区的组织方式与初创企业，投资者，区块链分析师和技术远见者社区的组织方式根本不同。 仅显示精美的演示文稿还不够。 如果其中没有思想和新颖性，他们就会啄。 他们会吃饭和掩埋。 是的，在科学会议上安排的一切都有些不同。 我们没有显示最终结果，而是最终结果，描述了方法和方法，为自己践踏了一块空地，向世界展示了我们自己研究的结果。 仅仅显示所做的事情还不够，还需要解释它的工作原理。
现在，人工智能领域的许多初创公司都是如此奇特的汽车修理厂，他们不修理汽车，而是更换故障节点。 某些操作不起作用-我们不修复它，我们立即更换了模块。 这比较容易，尤其是当您不知道其全部工作原理以及修复所需的操作时。
我们是科学家，并且充满信心地表明：基于深层基础科学的技术比所有技术都只具有精美外观的技术更好，更快，更自信，更可靠。 由于我们知道
霓虹灯的“内部”是哪种
霓虹灯 ，因此它的破裂次数更少，消耗的能量更少，在雪中，高温下，在夜间和早晨都可以工作，因此有必要“
拉小女孩 ”并击中铃鼓。
我们公司雇用了50多名开发人员，每个开发人员都消除了对科学工作需求不足的论点。 我们的团队既包括资深科学家，也包括刚刚开始从事科学职业的科学家。 我们强调这些不仅仅是程序员专门处理代码。 他们每个人都是一个独立的科学部门，由其组成科学团队，可确保所用解决方案的灵活性和可变性。
都是因为我们去参加科学会议。
在阿姆斯特丹举行的国际计算机视觉国际会议（ICMV）上，我们提出了用于开发神经网络和识别技术的根本性新方法，旨在减少碳足迹并最大程度地减少新技术的使用对环境的损害。 主要重点放在硬件和软件系统中使用的计算算法的优化上，这应该在全球范围内减少训练和神经网络功能所需的能耗。
今天，在关注地球未来的世界组织的报告中，我们星球的可持续发展已成为主要议程。 这不仅是Greta Tunberg。 一个人在地球上的位置在很多方面取决于我们在技术开发，全球公司的胃口不断增长以及对环境负责任的态度之间能否取得平衡。 最大限度地减少过去十年来快速发展的技术带来的危害的可能方法，主要与降低能耗，寻找解决现代技术问题的最佳和节能工具有关。
我们的军械库拥有神经网络，科学家们的责任是使它们快速，高效地工作并正确解决分配给他们的任务。 从“绿色人工智能”的角度来看，突破性的问题不是创建一个大型，强大，庞大的神经网络-一种具有惊人的大型神经网络的蓝鲸，而是一种具有非常适度的“计算”能力的苍蝇，而是其快速且快速的能力。高效地解决必要的任务。 这样的神经网络应该具有完全高的比生产率。 正确选择算法可以使您在图像识别任务上花费的资源比当今某些设备制造商声称的少1000倍。
今天，我们了解到，在我们所在的地区，增加执行操作的设备的容量是单向的。 今天，科学家（以负责任的态度对待开发）的任务是使技术尽可能少地装载设备，不会导致处理器升温到锅炉的温度，也不会像“胃不满意的尸体”那样消耗能量。 然后，该技术变得用户友好，同时又成为高科技。
为了使之成为现实，需要完全不同的科学领域的完全不明显的“捆绑”。 许多人是否清楚将深度学习技术转换为热带代数可以在保持表达能力的同时大大减少神经处理器中晶体管的数量？ 还是神经网络中Radon层的存在使其能够经济地描述射影不变量，从而决定真实世界的图像内部结构？
首先，参加科学会议是将手表与世界领先者进行比较，了解他们的真正竞争对手的机会（是的，真正的竞争对手也参加科学会议，因为他们也是科学家），了解技术的第一手资料，以及而不是那些有远见的传教士和福音传教士的复述，他们大多与真实的科学无关，而只是学会了将时髦的单词放入相对称职的句子中。 没有对趋势和基础科学趋势的这种了解，就不可能前进。 没有科学的技术“不会起飞”，或者它已经提前被淘汰。