Команда учёных Северо-Кавказского федерального университета изучила последние мировые тенденции развития искусственного интеллекта и определила перспективные нейросетевые модели обработки визуальных данных, над которыми в ближайшие пять лет будут работать разработчики во всем мире.
Одной из основных задач Северо-Кавказского центра математических исследований, созданного на базе СКФУ, является развитие искусственного интеллекта. Ключевое внимание уделяется разработке практических математических исследований, которые способствуют решению важных для макрорегиона задач.
— Быстрая и качественная обработка цифровых изображений сегодня важна в любой сфере инженерии: от разработки медицинской техники до проектирования беспилотных аппаратов. Для их качественной работы применяются алгоритмы искусственного интеллекта. Программы на основе ИИ, которые разрабатывают наши ученые, существенно ускоряют процедуры обработки и передачи больших объемов данных, упрощают внедрение современных цифровых технологий, — отметил ректор СКФУ Дмитрий Беспалов.
Научная группа отдела модулярных вычислений и искусственного интеллекта СКФУ получила четыре гранта Российского научного фонда (РНФ) на проведение исследований в области нейросетевой обработки изображений. Задача одного из них — разработка решений применения ИИ для обработки данных с кардиограмм и других биомедицинских данных.
— Мы проанализировали более 200 мировых исследований и научных работ по заданной тематике. Провели анализ архитектурно-структурных решений, которые предлагают авторы. В результате отобрали наиболее перспективные нейросетевые модели обработки визуальных данных и современные платформы для их проектирования. Для экспертов данная аналитика очень важна с точки зрения определения перспективных проектов, — рассказал заведующий кафедрой математического моделирования, кандидат физико-математических наук Павел Ляхов.
По словам учёного, у разных сфер человеческой деятельности отличны и требования к методам анализа изображений. Для летательных беспилотных аппаратов важно, чтобы операции машинного видения не требовали слишком высокого энергопотребления. Для беспилотных систем в автомобилях вопрос экономичности стоит не так остро, зато важна скорость анализа окружающей среды, чтобы система могла моментально выделять на дороге препятствие или пешеходов. Свои требования есть и в медицине. Например, одна томография может весить до нескольких гигабайт. Важно, чтобы при обработке такого файла и его «сжатии» не терялась главная информация, по которой врач будет делать выводы о состоянии пациента.
Проанализировав огромный массив статей в лучших мировых научных журналах, учёные СКФУ выделили четыре главные тенденции ИИ в сфере обработки цифровых изображений, которые будут актуальны в ближайшие пять лет. Результаты научного труда позволят заинтересованным лицам сконцентрироваться на наиболее актуальных и перспективных технологиях.
Первое направление развития нейросетей — это совершенствование математических и арифметико-логических методов, направленных на улучшение обработки изображений. Например, на подавление шумов, цветовую коррекции и т.п. Также учёные предложили механизмы улучшения обработки с точки зрения фундаментальной науки.
Также авторы работы выделили перспективные с точки зрения схемотехники архитектурные и структурные решения, направленные на усовершенствование методов высокоскоростного анализа визуальных данных по заданным характеристикам.
Третье актуальное направление — создание устройств, которые будут специализироваться на обработке изображений.
И, наконец, четвертая «точка интереса» современной науки по мнению команды ставропольских учёных — разработка прорывных решений в генерации изображений и текстов, усовершенствование методов самообучения, поиска и устранения ошибок.
Проект «Перспективные методы интеллектуальной обработки сигналов на основе глубоких нейронных сетей и модулярных вычислений», реализуемый в СКФУ в рамках национального проекта «Наука и университеты», рассчитан до 2026 года. Работа научного коллектива при финансовой поддержке РНФ по выработке комплекса программ нейросетевых архитектур, которые могут быть использованы в медицине, транспорте и других отраслях, будет продолжена.
