Я продаю нейросети

Пару слов, что значит для русского айтишника новость про Америку, которая вбухает в изучение AI полмиллиарда долларов. Зачем так много инвестировать в эту сферу? Сейчас идёт новая промышленная революция, связанная с искусственным интеллектом (ИИ). Он сильно влияет на промышленность, науку, медицину и управление городами, давая мощный импульс. Уже сегодня ИИ повышает производительность в таких профессиях, как копирайтеры, дизайнеры и разработчики игр. Бизнес тоже активно использует ИИ, например, на госуслугах чат-боты помогают выбирать услуги, а банковские приложения используют интеллектуальные системы для обслуживания клиентов. ИИ внедрён в промышленности: он управляет конвейерами, цехами, транспортом. Первыми преимуществами от полного внедрения ИИ воспользуются службы такси и логистики. На уровне целых отраслей ИИ способен радикально менять процессы. Основная цель разработок сегодня — General Artificial Intelligence (общий искусственный интеллект), способный выполнять широкий спектр задач. Такой ИИ может управлять транспортом, помогать с навигацией в городах или быть универсальным гидом. Но это не просто платформа из множества нейросетей — это полноценная система, заменяющая людей в рутинных задачах, освобождая их для более важных дел. Победа будет за страной, которая создаст ИИ, способный освоить максимум профессий, что даст экономический рывок. ИИ также используется для видеонаблюдения: он помогает контролировать процессы и снижать преступность. Камер слишком много, чтобы люди могли за ними следить, поэтому эту задачу берёт на себя ИИ. Однако сейчас его внедрение идёт медленно, в то время как США и Китай инвестируют миллиарды в ускорение этого процесса. Почему это плохая новость для России В России тоже есть достижения. Яндекс, Сбер, МТС и другие внедряют ИИ в своих системах, проникая в смежные отрасли. Однако у нас не хватает финансирования, инфраструктуры и процессоров, чтобы конкурировать с мировыми лидерами. Главный вызов — отсутствие своих полупроводников. Компании вроде NVIDIA делают чипы для OpenAI и Google, недоступные на открытом рынке. Нам сложнее в разы: мы не можем производить чипы или создавать масштабные дата-центры. Как россиянам без вычислительных мощностей запрыгнуть в тройку мировых лидеров по ИИ? Многие разработки ИИ остаются Open Source, и наши учёные могут адаптировать их под свои задачи, создавая узкоспециализированные нейронные сети. Даже если мы не сделаем общий ИИ, мы сможем автоматизировать множество отраслей, используя локальные решения. Государство должно поддерживать эту область, вкладывая деньги в науку. Без учёных и математиков мы не сможем двигаться вперёд. Даже сейчас, несмотря на ограничения, мы способны в отдельных сферах догонять и даже опережать мировых лидеров. Например, Америка активно использует системы вроде Palantir. Это прорывная военная технология, и США не будут ей ни с кем делиться. Поэтому мы обречены создавать свои аналоги. ИИ не только даёт экономическое и военное преимущество, но и помогает осваивать космос, изучать Марс и решать глобальные проблемы. Наблюдая за конкурентами, мы видим вектор развития и находим собственные подходы. Математика остаётся общей основой, и наши талантливые программисты, учёные и математики могут найти уникальные решения. Возможно, мы не станем лидерами, но можем войти в тройку за счёт эффективных и экономичных подходов. Главное — не останавливаться и продолжать искать свой путь.

Миссия пять лет объяснять и все таки объяснить бизнесу, что нейросети надежней ЧОПа - выполнима

Продолжаем рубрику #какэтоработает, про варианты применения нашей универсальной платформы распознавания. Сегодня расскажу про ТЦ. Схема простая: люди смотрят рекламу магазинов на большом экране ТЦ. А камера на экране запоминает людей. Потом людей запоминает камера на входе в конкретный магазин. Потом нейросеть анализирует видеопотоки и готовит крутую статистику для маркетологов. Влияет ли просмотр рекламы на желание гостя ТЦ пойти в конкретный бутик? Какого пола этот зритель, сколько ему лет? А кто из покупателей не смотрел рекламу? А в какую погоду экран смотрят чаще? А какие ролики? В общем, вы поняли.

Привет, это Леонид Стариков с рассказом о том, где российские стартапы берут деньги. В прошлой серии мы дошли до этапа минимального рабочего сырого продукта, который собрали на деньги друзей. Теперь стартаперу нужно выйти на новый этап финансирования. Seed. В мировой практике венчурные фонды смотрят на ваш сырой продукт, и дают деньги на доработку, организацию продаж, и прочее. Грубо говоря, если на первом этапе вам нужно было 15 миллионов, сейчас нужно 100, ведь расходы растут. Иначе стартап умрет в теле продукта MVP. Как это работало в России раньше? Венчурные фонды спонсировали много идей. Те, что прорастали, масштабировали за границей. А если российский стартап унести за рубеж, там инвестиции вырастали сразу на порядок. В Кремниевой долине 10 миллионов долларов - это весьма скромная сумма. А у нас - это миллиард! То есть венчурные фонды в том числе зарабатывали на таком переносе. Они брали нормальный стартап, в который они верили, смотрели на MVP, смотрели на первые продажи, вкладывались в него здесь и мотивировали фаундеров запускаться в Америке. И уже там инвесторы могли совершить возврат инвестиций в двукратном, в пятикратном размере. Всё это закончилось в 2022 году. После ухода международных фондов на рынке стартапов остались стратегические инвесторы (Яндекс, Сбер, ВТБ, Газпром, Роснефть и др.). Они не хотят полноценно вкладываться в стартапы на стадии "Sееd". Средний чек на стадии "Seed" примерно такой же — 15 миллионов. Экосистемам не нужен сырой продукт. Они хотят нормально работающий бизнес, чтобы стартап сразу начал приносить пользу. Например, условному Сберу надо, чтобы у вас были тысячи клиентов, продажи, кэшфлоу - в общем, чтобы у вас уже была доказанная бизнес модель. Тогда компания даст несколько сотен миллионов рублей на масштабирование. Представьте, вы год на минимальном уровне разработки, и думаете — ну вот, мы на следующем этапе, у нас готов MVP. Но нет, там по-прежнему холодная реальность, а у вас появились расходы на маркетинг, на продажи, растет команда, а денег всё равно не дадут или предложат тот же чек. Получается разрыв между стадиями роста вашего стартапа. Напомню, сейчас вы в точке: светлая идея, собранная на коленке и пара первых продаж. Возникает вопрос, что делать? Об этом в следующих сериях.

Всем привет! Я решил завести рубрику #какэтоработает для описания сотен сценариев применения нашего универсального каунтера, которые мы придумываем и разрабатываем и каждый день. Итак, с помощью неряшливой картинки я попробовал визуализировать схему работы нейросети для Российских железных дорог. Суть процесса: камера на крыше поезда фиксирует дефекты полотна: щели, повреждения шпал, ямы, воду и прочее. Нейросеть анализирует данные, датчик ГЛОНАСС ставит геотег, система передает сработки службе эксплуатации. Это снижает аварийность, помогает планировать ремонты, правильно распределять задачи. Реализация стоит копейки, а эффективность огромна.

Итак, в прошлых сериях я рассказал, как ученые из МФТИ придумали алгоритм, а я собрал команду и придумал, как формулу превратить в продукт, а именно универсальную нейросеть, которая будет распознавать на видео что угодно. Теперь я не спеша начну драматичный рассказ о финансировании сложных технологичных стартапов в России. Наша нейросеть - классический DeepTech стартап. То есть совсем новая технология, которая требует больших ресурсов и времени до превращения в готовый продукт. Такие стартапы приносят огромные деньги, но им нужны большие инвестиции. Средняя зарплата тимлида команды программистов сегодня - полмиллиона рублей. В месяц. А есть еще сама команда, затраты на вычислительные мощности и так далее. Существуют разные этапы развития стартапов. Есть стадия Pre-seed. Это когда есть идея, есть команда — и больше ничего нет. На такой стадии деньги дают бизнес-ангелы или FFF: family, friends, and fools. Бизнес ангелы - это инвесторы, которые готовы поиграть с высокими рисками. Ну то есть обычная история, что они финансируют 70 проектов, а выстреливает два. Зато окупают все неудачные вложения. Конечно, при такой схеме бизнес ангелы дают всем понемногу. Средний чек по вложениям от бизнес-ангелов в России за 2023 год был на уровне 15-20 миллионов рублей. Запустить только на эти деньги стартап почти невозможно. В нашем случае это не окупит даже год разработки. Цель стартового финансирования - за короткое время сделать MVP (минимально жизнеспособный продукт), то есть демку. И с ним идти искать деньги на новый этап. К слову, мы без проблем нашли эти деньги от наших FFF. Все таки мы уже состоявшиеся специалисты с широким кругом общения, и есть люди, которые сразу поверили в нашу идею. Seed. На этой стадии стартапер берет свою сырую демку и пытается ее продавать. Ему нужно подтвердить реальными фактами гипотезу о том, что его продукт в принципе нужен. MVP работает криво, клиенты (если они есть), плохо думают о бренде, но таков путь всех стартаперов. Если ты получил 15 миллионов и за год не смог сделать работающую демку - тебе конец. Но если ты сделал демку, получил первые продажи, самое плохое - впереди. Продолжение следует.

Моя платформа для нейросетей, часть 4. Продолжаю рассказ про мою супер нейросеть. Для краткого описания идеи мне потребовалось четыре больших поста. Раз, два, три. В этом, финальном, я отвечу на популярный вопрос: кому нужна еще одна большая модель, когда есть GPT? GPT и подобные большие нейросети - это в первую очередь языковые модели. Дайте GPT ссылку из ютуба, он перескажет о чем видео, распознает человека в кадре. Но он не распознает с полной точностью все объекты на видео. Его "зрения" не хватает для описания промышленных процессов. Если вы пытаетесь внедрить нейронку на свой завод, вам нужен индивидуальный сценарий и стабильность работы. А еще вам не нужен весь GPT, нужно конкретное решение. Вам нужна дешевая технология и независимость от американских серверов. Судя по тому, что заявляет руководство Open AI, они движутся в другом направлении, и локализацией в ближайшие годы заниматься не будут. Нашим крупным разработчикам это тоже не нужно. Яндекс делает Алису, у Сбера есть ГигаЧат. Зачем они вкладываются в эти модели? Им нужна синергия с их продуктами. Грубо говоря, Алиса, соединенная с навигатором, музыкальной библиотекой, и лампочками в квартире, дает синергию. Но представить, что Яндекс пошел автоматизировать металлургическое предприятие, невозможно. Получается, что сегодня только наша команда умеет прийти на ваш условный завод, дистиллировать из своей большой модели пару маленьких нейронок, подправить под ваши нюансы и быстро запустить на вашем внутреннем сервере. В следующих сериях расскажу о тернистом пути стартаперов в России.

Моя платформа для нейросетей, часть 3. Продолжаю рассказывать про большую нейросеть-платформу, распознающую все, что угодно. Кто пропустил, здесь часть 1, часть 2 Мы остановились на том, что я и моя команда создаем нейросеть, которая будет анализировать и улучшать любые бизнес процессы за счет объединения всех сценариев распознавания на общей платформе. Каким образом? Дополнительный контроль. Представим: вот у вас в магазине нейронка, большая модель, есть много каунтеров, и огромный список взаимодействий, которые нейронка видит и включает в анализ. И тут мы к переменным данным добавляем постоянные: остаток вот этих консервов на полках должен быть всегда таким, например. После этого мы можем сравнить данные из 1С, и данные, которые фактически видит нейросеть в магазине. Так мы контролируем лишние списания. Умное управление бизнесом. Например, торговому центру для безубыточности нужен поток в миллион человек в месяц. Фактическое количество посетителей считает нейросеть, которая распознает людей на видеопотоке с камер наблюдения. Кроме этого, мы обладаем данными от магазинов, сколько людей и на какие суммы совершают покупки. Предположим, продажи упали. Нужно понять, чеков меньше оттого, что меньше людей пришло в наш ТЦ? Или людей было столько же, но они не совершали покупки? Наша нейросеть не просто считает людей. Вы сможете дать ей информацию о базовых показателях по продажам и посещениям. Можете добавить динамические данные, например посещаемость и чеки в одну и ту же дату в разные месяцы. И нейросеть выдаст глубокий анализ процессов продаж, на основании которого вы сможете принимать правильные управленческие решения. Например, в день, когда людей было меньше, были заморозки. Вы нашей базе данных говорите: сравни это с другими холодными днями, и найди корреляцию с поведением посетителей. Чего они больше или меньше покупали, чего больше ели, на чем экономили? Так вы сэкономили на нескольких маркетологах. Чем больше данных будет копиться, тем эффективнее будет работать система. Продолжение.

Уважаемое издание УРБК сумело из 40 минут активной беседы сделать очень короткое и понятное интервью на пять минут чтения.

Привет, это Леонид Стариков. Я сегодня провел день на конференции про цифровую эволюцию. В ходе пленарного обсуждения, и потом, на отдельной лекции удивился тому, как много людей из разных сфер бизнеса проявляет интерес к IT технологиям. Было очень много реальных предпринимателей, люди ходили между залами со своими стульями, потому что не хватало мест. Судя по вопросам, мы наконец прошли этап, когда айтишники показывали на конференциях, что могут сделать нейросети, а публика сомневалась: "Зачем мне ваши распознавания за такие деньги, это ненадежно, это непонятно, это дорого". Примерно так все было еще пару лет назад. Сегодня мне показалось, что люди пришли за конкретными сценариями применения разных моделей для своего бизнеса. Это очень хорошо.