Նկարների անոտացիան մի գործընթաց է, որի ժամանակ մարդիկ տարբեր նկարների վրա նշում են միեւնույն օբյեկտը, մուտքագրում դրա անվանումը, ու նույն գործողությունը հարյուր հազարավոր անգամ կատարելուց հետո համակարգիչը սովորում ու սկսում է տարբերակել օբյեկտները։

SuperAnnotate AI-ն օբյեկտների ընդգծման գործընթացն արագացնում է 10-20 անգամ, այն դարձնում ավելի ճշգրիտ ու եզրերը կետագծերով ընդգծելու անհրաժեշտությունը փոխարինում մեկ հպումով օբյեկտը նշելու հնարավորությամբ։ Արդեն իսկ SuperAnnotate AI-ի պատենտավորված ալգորիթմի շնորհիվ մեծ ընկերությունները, այդ թվում, օրինակ, Google-ը, Facebook-ը, Uber-ը հնարավորություն ունեն խնայել ժամանակ ու գումար՝ ավտոմատացնելով մարդկային շատ ռեսուրս պահանջող աշխատանքը։

Ստարտափի համահիմնադիր եւ ղեկավար Տիգրան Պետրոսյանը մասնագիտությամբ ֆիզիկոս է, մագիստրոսի կոչմամբ ավարտել է Ցյուրիխի տեխնոլոգիական համալսարանը, շուտով որպես ասպիրանտ կավարտի Շվեյցարիայի Բեռնի համալսարանի կիրառական ֆիզիկայի բիոբժշկական ֆոտոնիկայի բաժինը:

Ստարտափի համահիմնադիր եւ տեխնիկական գծով տնօրեն Վահան Պետրոսյանը` որպես մեքենայական ուսուցման ոլորտի ասպիրանտ, սովորում է Ստոկհոլմի տեխնոլոգիական համալսարանում։ Հետազոտությունների արդյունքում նա մի ալգորիթմ է մշակել, որը նկարների սեգմենտացիայում շուկայում եղած ալգորիթմներից շատ ավելի լավ է աշխատում։ Ստարտափի հիմնադիրները ժամանակի ընթացքում տարբեր համաժողովների են մասնակցում, ծանոթանում շուկայում եղած նկարների անոտացիայով զբաղվող ընկերություններին ու հասկանում, որ բիզնեսի տեսանկյունից մեծ բաց կա։  Բոլոր մեծ ընկերությունները ցանկանում են լավացնել իրենց computer vision (համակարգչային տեսողություն)-ը, սակայն այդ մեծ պահանջարկին համապատասխան համապարփակ առաջարկ չկա։

Ձախից՝ Տիգրան Պետրոսյանը, աջից՝ Վահան Պետրոսյանը

Ինչպե՞ս է հիմա կատարվում գործընթացը։ Մարդիկ տարբեր նկարների վրա նշում են որոշակի օբյեկտներ ու ասում՝ ինչ օբյեկտներ են դրանք։ Օրինակ՝ նկարի վրա նշում են մեքենան, տունը, մարդուն ու համակարգչին համապատասխանաբար ասում, որ տվյալ պատկերը մեքենա է, մյուսը տուն, հաջորդը՝ մարդ։ Օբյեկտները հարյուր հազարավոր, նույնիսկ միլիոնավոր անգամներ նշելուց ու դրանց անվանելուց հետո այդ տվյալները ներմուծվում են deep learning (խոր ուսուցում) ալգորիթմների մեջ, ու աստիճանաբար համակարգիչը սկսում է հասկանալ, թե որ օբյեկտն ինչ է։ Որքան շատ տվյալներ են ներմուծվում, այնքան ավելի է մեծանում օբյեկտները տարբերակելու հավանականությունը։ Այս գործընթացը համակարգչային տեսողության զարգացման հիմքն է, առացն որի համակարգիչը չի կարող տարբերակել օբյեկտները։

Ներկայումս պատկերները նշելու համար մարդիկ նկարի վրա կետագծերով եզրագծում են օբյեկտները։ Տիգրանն ասում է. «Պատկերացնու՞մ եք՝ քանի օբյեկտ կա։ Մարդիկ պետք է բոլոր օբյեկտները հերթով մի քանի հազար անգամ եզրագծեն։ Դա նշանակում է շատ ժամանակ ու սխալվելու մեծ հավանականություն։ Այս պահին, օրինակ, Հնդկաստանում տասնյակ հազարավոր մարդիկ այդ գործն են անում ամերիկյան շատ մեծ ընկերությունների համար։ Մեր տեխնոլոգիան նոր փոփոխություններ է մտցնում ոլորտում»։

SuperAnnotate AI-ն առաջին հերթին 10-20 անգամ արագացնում է օբյեկտների նշումը։ Այս դեպքում մարդ ստիպված չէ եզրագծել օբյեկտը։ Դրա փոխարեն՝ ալգորիթմի շնորհիվ նկարի սեգմենտացիայի վրա մարդ միանգամից արդեն իսկ տեսնում է օբյեկտի եզրագծերն ու պարզապես մեկ հպումով ընտրում պատկերը։

SuperAnnotate AI-ի դեմո տեսանյութը

Երկրորդ՝ մարդ որքան էլ փորձի ուշադիր նշել, պիքսելներն այնքան փոքր են, որ մարդու սխալվելու հավանականությունը մեծանում է։ Ստարտափի առաջարկած ալգորիթմը շատ ճիշտ է ընդգծում օբյեկտները՝ վերացնելով սխալվելու ռիսկը։ Այն հիմնված է բավականին խելացի սեգմենտացիայի վրա, ու հնարավոր է շատ արագ ավելացնել կամ քչացնել սեգմենտների քանակը։ Ի՞նչ է դա նշանակում։ Եթե մարդ ինչ-որ օբյեկտ չի նշել որպես սեգմենտ, ապա մեծացնելով սեգմենտների քանակը` հնարավորություն ունի այդ օբյեկտը ներառել ընդհանուր պատկերի մեջ։ Այսինքն՝ եթե նկարում մեքենա է պատկերված, մարդ նշել է մեքենան, բայց հայելիները գույնի կամ չափի պատճառով չեն ներառվել պատկերում, ապա սեգմենտների քանակը շատացնելով` հնարավոր է դրանք ավելացնել որպես ամբողջ մեքենայի մաս։ Սա մեծ առավելություն է մյուս գործիքների նկատմամբ, ինչը թույլ է տալիս օբյեկտի ամբողջական պատկերը ստանալ։ Բացի այդ, այս գործիքով գործողությունը շատ արագ է կատարվում, ինչն էլ իր հերթին հնարավորություն է տալիս խնայել ժամանակ, գումար ու մարդկային ռեսուրսներ։

Երրորդ՝ ալգորիթմը self-learning (ինքնուս) է։ Այսինքն՝ որքան շատ են մարդիկ նշում տվյալ օբյեկտը տարբեր նկարներում, այնքան մեծ է հավանականությունը, որ մի քանի հարյուր հազար անգամ նույն տվյալը ներմուծելուց հետո համակարգիչն ինքն ավելի արագ կսկսի ճանաչել օբյեկտը կամ նույնիսկ միանգամից կառաջարկի տվյալ օբյեկտի անվանումը՝ կնշի, որ այն տուն է, մեքենա կամ մարդ։

Ստոկհոլմի տեխնոլոգիական փառատոնի ժամանակ

SuperAnnotate AI-ի թիրախային շուկան բավականին մեծ է։ Այն կարող է կիրառվել ինքնագնաց մեքենաների ծրագրերի ստեղծման մեջ։ Այդ մեքենաները պետք է ճշգրիտ հասկանան՝ ինչ է կատարվում իրենց շրջակայքում, տարբերակեն օբյեկտները՝ պատկերացնելու համար՝ ուր եւ ինչպես պետք է շարժվեն՝ բախումներից խուսափելու համար։ Հետեւաբար դրանց պետք է «սովորացնել» տարբերակել օբյեկտները փողոցներում արված նկարների հիման վրա։

Մյուս մեծ ուղղությունն անվտանգության ու վերահսկողության ապահովումն է։ Տարբեր շենքերում, տարածքներում, տեղադրվում են տեսախցիկներ, որոնք ավտոմատ հասկանում են՝ ինչ օբյեկտներ կան տարածքում։ Օրինակ՝ տեսախցիկն արդեն գիտի՝ ինչ տեսք ունի զենքն ու տարածքում զենք ֆիքսելու դեպքում միանգամից արձագանքում է։

Կարեւոր ու զարգացող շուկա են smart city (խելացի քաղաք)-ները, որոնց դեպքում քաղաքի տարբեր անկյուններում տեսախցիկներ են դրվում՝ շրջակա օբյեկտներն ավտոմատ ճանաչելու եւ տվյալների հիման վրա վերլուծական հաշվարկներ կատարելու, քաղաքի կյանքն ավելի բարեկարգելու եւ հեշտ համակարգելու համար։

Այն նաեւ լայն կիրառություն ունի սպառման շուկայում։ Մեծ առեւտրի կենտրոններում համակարգողները ցանկացնում են հետեւել՝ իրենց պահարաններում ինչ ապրանքատեսակներ կան ու ինչ քանակով են վաճառվում։ Բացի այդ, Amazon-ը, օրինակ, իր սուպերմարկետներում փորձում է այնպես անել, որ մարդ ինչ ցանկանում է վերցնի, խանութից դուրս գա, իսկ համակարգը ավտոմատ հաշվարկի՝ որքան գումար պետք է գանձել նրա քարտից։ Այս դեպքում շատ մեծ է հենց համակարգչային տեսողության կիրառությունը։

SuperAnnotate AI-ի նշանակությունը մեծ է բժշկության ոլորտում։ Դրա միջոցով հնարավոր է ավտոմատացնել տարբեր հիվանդություներ ախտորոշելու գործընթացը։ Այն կարող են նաեւ օգտագործել մեծ սոցիալական ցանցերը, օրինակ, Facebook-ը, Instagram-ը՝ իրենց հարթակներում հրապարակված նկարների հիման վրա կոնկրետ վերլուծություններ ստանալու համար։

Հայաստանյան թիմը

Ստարտափը շատ արագ է ձեւավորվել ու նույնքան արագ էլ զարգանում է։ Հիմնադիրները 2018 թվականի հունվարին Շվեդիայի համալսարանից ստացել են գրանտ՝ գաղափարը զարգացնելու եւ մշակված տեխնոլոգիան պատենտավորելու համար։ Հետո թիմը մասնակցել է Սևան Ստարտափ Սամմիթ 2018-ին ու դարձել դրա հաղթողը։ Հավաքի ժամանակ ընդլայնել  է ծանոթությունների շրջանակը, խորհուրդներ ստացել մենթորներից, ավելի զարգացրել պրոդուկտը։ Վերջերս ստարտափում ներդրում է կատարել SmartGateVC-ին՝ կարեւորելով թիմի մոտիվացիան, մշակած տեխնոլոգիայի հնարավոր մեծ ներդրումը արհեստական բանականության զարգացման մեջ ու նկարների եւ տեսանյութերի անոտացիան նոր մակարդակի հասցնելու հնարավորությունը։ Վերջերս թիմը հաղթել է նաեւ Երեւանում անցկացվող  HIVE Tech Summit-ի շրջանակում կայացած մրցույթում ու ներդրում ստացել։

Ստարտափի հիմնադիրները կարծում են, որ նկարների անոտացիան ունի մեծ շուկա, եւ նրանք` թիմն ազատ գրաֆիկով աշխատել ցանկացող մարդկանցով համալրելու անհրաժեշտություն ունեն։ Հայաստանում հազարավոր մարդիկ կարող են նկարների անոտացիայով զբաղվել, հետեւաբար այն մարդիկ, ովքեր պատրաստ են ճկուն գրաֆիկով պատկերների վրա նշել օբյեկտներն ու դրանց անվանումներն ու գումար աշխատել, կարող են միանալ թիմին։

Այս պահին ստարտափի հիմնադիրներն աշխատում են նկարների անոտացիան զարգացնելու շուրջ, սակայն ապագայում պատրաստվում են անդրադառնալ նաեւ տեսանյութերի անոտացիային, քանի որ այն շատ հեռանկարային է, իսկ օբյեկտի շարժն ամբողջությամբ ճշգրիտ անոտացիա անող ընկերություն դեռևս չկա։