03.05.2023
Российская компания Smart Engines получила в США патент на свое решение по оптимизации работы нейросетевых архитектур, которые используются для распознавания изображений. В понимании разработчиков, им удалось использовать подход, который, в частности, в будущем сможет улучшить ChatGPT. Изобретение призвано оптимизировать работу нейросетевых архитектур, которые используются для распознавания изображений. Авторами изобретения являются программист Smart Engines Александр Шешкус, генеральный директор компании Владимир Викторович Арлазаров, ее технический директор Дмитрий Николаев, директор по науке Владимир Львович Арлазаров. Патент № US 11636608 B2 датирован 25 апреля 2023 г. Запатентованное решение уже используется в программных продуктах Smart Engines для автономного распознавания паспортов, ID-карт и других документов. Smart Engines позиционирует себя в качестве научно-исследовательской компании, специализирующаяся на разработке алгоритмов компьютерного зрения, машинного обучения, искусственного интеллекта (ИИ), распознавании образов и поставке комплексных программных решений для автоматизации распознавания и ввода данных из документов в видеопотоке, на фотографиях и сканах. В начале февраля 2023 г. компания уже получала патент в США. Тогда Smart Engines закрепила права на систему локализации и идентификации документов на изображениях. В общей сложности Smart Engines зарегистрировала три патента в США, и восемь в России, а также создала 26 называемых полезных моделей. Авторы зарегистрированного на днях изобретения, по их заверению, предложили новую нейросетевую архитектуру, объединяющую блоки, используемые в современных нейросетях, с классическим инструментом анализа изображений реального мира – преобразованием Хафа. Основой современных нейросетей, обрабатывающих изображения, являются сверточные нейронные слои. В них каждый нейрон обрабатывает маленький кусочек входного изображения. Такие нейросети воспринимают изображение как иерархию произвольных деталей, а геометрические построения для них неестественны. Smart Engines же предложили слой, в котором каждый нейрон обрабатывает одну прямую, лежащую на изображении. Это и есть преобразование Хафа. На нейронную сеть можно смотреть как на большую математическую формулу. Каждый ее слой – это следующая функция, примененная к предыдущей. Если вы вставляете в эту последовательность новое преобразование, «то в другой философской парадигме» вы вставляете в нейросеть слой нейронов, которые определенным образом связаны с предыдущими и что-то считают. Российские разработчики добавили нейроны, которые получают сигнал от нейронов предыдущего слоя, лежащих вдоль прямой. А с точки зрения математики этот слой – преобразование Хафа. В компании рассчитывают, что предложенная ими архитектура сможет оказать влияние на общее развитие нейросетевых технологий в компьютерном зрении. Первые исследования хафовских нейросетей, уже опубликованные в научной периодике, полностью подтверждают эту идею. Самое частое использование преобразования Хафа – это поиск и выделение прямых, которые в области обработки и анализа изображений играют важнейшую роль: это и дороги, и дома, и границы документа, и строки, и рентгеновские лучи, формирующие томограмму, и многое другое. Однако эти отрезки почти всегда не совсем прямые, часто зашумлены или видны только частично, имеют разную длину. Поэтому проведение классического Хаф-анализа изображения представляет собой довольно сложную задачу. Между тем, как раз с теми проблемами, которые затрудняют Хаф-анализ изображения, прекрасно справляются нейросети и, более того, существуют систематические методы решения подобных проблем. Сейчас большая часть задач технического зрения решается с использованием нейросетей, в развитии которых много лет не ставился вопрос экономии. При этом именно для задач зрения характерны большие объемы входных данных даже в тривиальных приложениях. В результате проблема сокращения вычислительных затрат стоит крайне остро.
У Smart Engines на сегодняшний день уже есть клиенты на рынке США, использующие ее систему распознавания документов. Защищать свое ноу-хау патентами, в том числе патентами США – это очень важно для любой научно-исследовательской компании. При этом, занимаясь патентованием за рубежом, компания тем самым повышает собственную стоимость. Smart Engines была основана в 2016 г. учеными ряда институтов Российской академии наук (РАН) в области распознавания и обработки изображений. Сегодня в Smart Engines работают более 70 сотрудников. По итогам 2022 года выручка организации составила 382,9 млн рублей. с приростом этого показателя на 36 % по сравнению с предыдущим годом. Чистая прибыль оказалась на уровне 171,6 млн рублей.
Впервые понятие ИИ было сформулировано исследователем-информатиком Джоном Маккарти в 1956 г. В его понимании ИИ – это программа, предполагающая обработку и анализ информации с таким же результатом, как если бы такую информацию обработал интеллект обычного человека. Проблема взаимосвязи патентной защиты результатов научной (научно-технической) деятельности и систем искусственного интеллекта становится все более актуальной. Под патентом понимают исключительное право на изобретение. При этом изобретение рассматривается в качестве продукта или процесса, предполагающего принципиально новый вариант действия, в том числе предложение решения существующей технической проблемы. Правообладатель может ограничить или вовсе запретить производство, продажу и использование запатентованного изобретения в течение определенного периода времени. Очевидно, что правообладатель, таким образом, становится «монополистом» в отношении реализации любых правомочий в связи с изобретением. Как было ранее замечено, современные системы ИИ вполне способны создавать изобретения, которые являются результатом применения (использования) когнитивных (мыслительных) способностей человека, т.е. такие изобретения могут являться патентоспособными.