Сергей Миронов: «Сама ниша безопасности предполагает максимальное использование решений от местных производителей»

Директор по развитию компании «Синезис» Сергей Миронов — о перспективных трендах на рынке видеонаблюдения и видеоаналитики, востребованных технологиях и достоинствах разработки Kipod.

- Какие тренды, по Вашему мнению, доминируют сейчас на рынке видеоаналитики?

Сергей Миронов: Главный тренд последних лет — это новое поколение алгоритмов машинного обучения. Достижения в сфере генеративного искусственного интеллекта, того же OpenAI, тут же переходят в видеоаналитику. ChatGPT, YandexGPT, GigaChat сделаны на базе архитектуры трансформеров — то же самое появляется в сфере видеоаналитики. Таким образом, алгоритмы, используемые в этой сфере, становятся умнее. Это помогает решать новый класс задач и повышать точность распознавания.

Ранее в нашей системе видеоаналитики использовались классические сверточные сети, а сейчас мы внедряем трансформеры (модель машинного обучения), и они дают более высокую точность при распознавании событий или сценариев, к примеру при появлении людей на рельсовом пространстве, в туннелях или закрытом периметре. Задачу обнаружения оружия мы также решаем с помощью продвинутых нейронных сетей. Эти задачи решались нами и ранее, но с появлением нового типа архитектуры ИИ выходит на новый уровень.

Тренд прошлого и этого года — консолидация — будет актуален и в наступившем. Сейчас на российском рынке, а также на рынках наших ближайших соседей, например в Казахстане и Беларуси, происходит консолидация систем видеонаблюдения на национальном уровне. О подобных системах задумываются в Узбекистане и Азербайджане. В СМИ сообщали о проекте, предполагающем создание национальной платформы для хранения и обработки информации систем городского видеонаблюдения России. Речь о консолидации видеопотоков и видеоаналитики со всех городов и населенных пунктов в одном месте, в одном дата-центре.

Также мы прогнозируем дальнейший переход к сервисной модели: от модели закупки программно-аппаратного комплекса к получению готовой услуги без капитальных затрат.

- На какие продукты ваша компания делает ставку в 2024 году и почему?

С. Миронов: Единую систему нельзя построить на базе объектных систем видеонаблюдения, нужны технологии, которые позволят работать с большими данными и линейно масштабировать систему. Отличительная особенность таких технологий — контейнеризация приложений, распределенные хранилища, распределенный поиск и так далее. Как пример продукта, который отвечает таким требованиям, можно назвать систему умного города Kipod. Платформа построена на базе облачной архитектуры (контейнерной), что обеспечивает масштабируемость, отказоустойчивость и управляемость.

Закон о хранении биометрических данных предполагает изменение архитектуры некоторых программных продуктов, потому что биометрические данные теперь должны централизованно храниться у государственного оператора. Оператор хранит все фотографии, кадры, слепки лиц, а нам отдает только векторы, которые построены с помощью наших алгоритмов. То есть это централизация на государственном уровне с целью защиты биометрических данных граждан. ЕБС создается в том числе и для удобства граждан, чтобы можно было получать различные услуги в банковской, финансовой, юридической и других сферах с помощью биометрии, заменить в некоторых ситуациях паспорт на лицо или даже кредитную карту на лицо. Наш продукт мы уже адаптировали для того, чтобы биометрические данные людей хранились не на платформе Kipod, а в единой биометрической системе, и являемся первопроходцами и в этом направлении.

В платформе Kipod есть механизм смягчения риска зависимости от западных технологий. Все алгоритмы Kipod, все inference нейронных сетей возможны на центральном процессоре, на обычных стандартных процессорах. У нас есть движок собственной разработки, который обеспечивает прекрасную производительность для запуска нейронных сетей на центральном процессоре. Это делает нас менее чувствительными к отсутствию NVIDIA на российском рынке. Нам не нужны графические карты для того, чтобы продукт работал в России. Мы поддерживаем широкий спектр процессоров (не только Nvidia, Intel и AMD) и имеем собственный движок для корректной работы нейронных сетей.

- Что ждет российский рынок видеоаналитики в обозримом будущем?

С. Миронов: Распознавание лиц и номерных знаков достигло технологического предела. Распознать лицо и номер автомобиля точнее уже невозможно. Но есть возможность развиваться в сторону расширения функций. Например, можно использовать не только лицо, но и, например, вторичные признаки — головной убор, одежду, сумку и другие. По распознаванию автомобилей помимо номеров сейчас продолжается работа по более точному определению марки, модели, цвета и других признаков.

Нейронные сети нового поколения открывают новый класс задач на производстве и в транспортной безопасности. Они дают возможность распознавать очень сложные ситуации. Например, классическая задача оставленного предмета может быть пересмотрена и решена на другом уровне уже с анализом контекста, с пониманием, что делают окружающие люди, что происходит с этим оставленным предметом. То же самое можно нести и на производство, в инфраструктуру и т.д.

Если мы говорим про системы видеоаналитики и умные города, то трансформируются также поисковые запросы. Пользователь формирует запрос на естественном языке, а дальше с помощью языковой модели запрос трансформируется в наборы параметров поиска. Можно записать запрос голосом или в текстовом виде, после чего языковая модель включит нужные фильтры и выдаст результат. Это мы видели у Genetec и некоторых других производителей. Нам показалось, что это имеет большую ценность для начинающих пользователей, которые еще не разобрались с продуктом и не умеют применять фильтры для поиска.

Кроме того, появляются специализированные алгоритмы, процесс обучения нейронных сетей лучше автоматизируется, идет быстрее. Можно обучать нейронные сети даже для событий, которые происходят редко. Для этого используются синтетические дата-сеты. Для успешного обучения нейронной сети нужно большое количество примеров. Но в реальной жизни, если речь идет про какой-то инцидент, например появление вооруженного человека или падение человека, таких примеров мало. Поэтому мы используем генеративные сети, которые синтезируют картинки и видео с необходимыми для обучения сетей нештатными ситуациями. Также с помощью машинного обучения ведется аугментация этих данных. Предположим, у нас было несколько примеров с падением людей на рельсы. Для обучения нейронной сети нужны тысячи изображений. С помощью алгоритмов машинного обучения мы существенно расширяем этот дата-сет для получения аргументированного набора данных. Очень хорошо такой подход работает в распознавании транспортных средств.

- Как будут вести себя китайские производители в 2024 году? Что имеет смысл начать делать российским компаниям в связи с этим?

С. Миронов: В России есть технологический суверенитет в сфере программно-аппаратных комплексов, технологический суверенитет с точки зрения машинного обучения, но пока нет технологического суверенитета в части производства аппаратной части. По аппаратной части (камеры, серверы, телекоммуникационное оборудование) китайские производители практически безальтернативны для нас.

В части машинного обучения в мире существует всего несколько стран, у которых есть технологический суверенитет. Это США, Китай и Россия. Но китайские производители, например, не могут конкурировать с российскими компаниями по качеству программного обеспечения.

Китайские производители иногда через аппаратную часть пробуют навязать и программную за счет комплексности услуг. Но зарубежная разработка недостаточно адаптирована под наш рынок и не так хорошо поддерживается. Поэтому российские производители могут чувствовать себя уверенно на своем рынке. У нас есть естественная защита этой отрасли, т.к. сама ниша безопасности предполагает максимальное использование решений от местных производителей. Особенно если это касается решений государственного уровня.

Но слабое место — это зависимость машинного обучения от импортных компонентов. Компании, специализирующиеся на машинном обучении (Яндекс, «Синезис») обладают математическим аппаратом, программными технологиями, но зависят от иностранных аппаратных компонентов.

- Как изменятся ожидания и поведение заказчиков? Как вы учитываете это в планах работы на 2024 год?

С. Миронов: Российский рынок систем безопасности не сильно изменился за последний год. Он очень конкурентный и развитый, с большим количеством отечественных игроков. Поэтому уход западных вендоров программного обеспечения на него не повлиял. Более того, мы по-прежнему выглядим конкурентоспособно и в общемировом контексте. Но стоит отметить, что помимо ухода зарубежных поставщиков ПО с рынка, блокируется доступ к западным технологиям. Россия оказалась официально отрезанной от использования графических видеокарт NVIDIA, а также некоторых программных фреймворков.

В поведении заказчиков мы ожидаем осознание ценности качества работы модулей системы видеоаналитики. Ведь из-за шума в информационном поле и достижений в сфере машинного обучения, которые сейчас доступны даже на бытовом уровне, и на системы видеоаналитики распространяются завышенные ожидания. Пользователи ждут, что современные алгоритмы смогут распознавать все с высочайшей точностью. Нам как производителю системы видеоаналитики необходимо держать высокую планку в разработке, чтобы соответствовать этим ожиданиям.