Киевская школа и первые нейросети
По рассказу авторов проекта, их знакомство с нейросетями относится к 1990 году, когда курсант Краснодарского высшего военного командно-инженерного училища ракетных войск стратегического назначения пришёл в научное общество курсантов на кафедру кибернетики. Кафедрой в то время руководили соратники и друзья академика Николая Амосова — основателя киевской школы искусственного интеллекта, история которой ведётся с начала 1960-х годов.
В отличие от многих других школ, Амосов занимался моделированием информационных процессов целостных психических систем — на стыке технических и гуманитарных знаний. Уже в 1960–1970-х годах школа добилась результатов, которые и сейчас выглядят впечатляющими. Однако, создав мощную теоретическую основу, она столкнулась с невозможностью построить модель, работающую в реальном времени. Дальнейшее развитие пошло по пути аппаратного нейрокомпьютера на тогдашней элементной базе, а после распада СССР школа практически прекратила существование: ведущие сотрудники разъехались и занялись преподаванием.
Своя нейросетевая библиотека
С 1990 по 1993 год автор написал нейросетевую библиотеку, ставшую основой дальнейших разработок; в 1993–1998 годах, работая научным сотрудником в Центральном физико-техническом институте Минобороны, он переписал её, дополнив и переработав ряд функций. В этот период были реализованы несколько проектов, подтверждающих работоспособность подхода.
Первые практические проекты
- 2001. Совместно с немецкой компанией Neuropower построен первый робототехнический комплекс: на основе Lego и веб-камеры робот собирал логотип компании из девяти случайно разбросанных кубиков. Показан на выставке в Вене и в передаче Computer Club канала WDR.
- Позднее. Технологии применили в проекте визуальной поисковой системы Quintura. По словам авторов, это был первый российский стартап, получивший инвестиции от фонда Mangrove Capital, известного как первый инвестор Skype.
- 2012–2013. Накопленный опыт использован в проекте Robodem: команда выиграла конкурс «Летающие роботы», полагаясь только на камеру. Подробности — в отчёте о полётах.
Чему это научило
К середине 2010-х авторы формулировали итог так: нейросети и алгоритмы компьютерного зрения позволяют создавать системы управления и навигации автономных роботов и проектировать аппаратную платформу с использованием методов искусственного интеллекта. Параллельно они спорили с идеей «абсолютной точности» — об этом рассказывает заметка о симпозиуме IARP.
Современные глубокие сети решают многие задачи распознавания лучше, чем алгоритмы, описанные в этих материалах, но сама проблема — как заставить систему работать в реальном времени и в неидеальной среде — осталась той же.