Одной идеи мало, или какие трудности проходит бизнес в сфере распознавания лиц
IT-компания O Vision разрабатывает системы продуктов, базирующихся на распознавании лиц. Нам понадобилось больше двух лет, чтобы от идеи перейти к реализации, а от неё – к окупаемости. На идею face-идентификации мы смотрели как на айсберг: со стороны – красиво, завораживает, притягивает, а что под поверхностью – так это мелочи, справимся. Только каждый из школьного курса знает: под водой вся суть.
Боль техническая
Первая проблема, с которой мы столкнулись, – создание пайплайна (поэтапный порядок работ, нужен, чтобы система начала функционировать). Глобальный алгоритм идентификации включает несколько алгоритмов попроще: обнаружение лица, распознание ближайшего к системе лица, разделение реальных людей и фотографий, перевод лица в вектор, сравнение с базой. Прописать каждый этап не кажется большой проблемой для специалиста, но свести их в единую систему и заставить работать вместе сложнее. При этом создание пайплайна составляет только 10-15% работы.
Дальше нужно обучить алгоритм. Получить чистые данные сотен тысяч людей и планомерно обучать будущую систему распознавать людей, отделять живых персон от снимков. После чего начинает процесс выдвижения теорий и гипотез, которые необходимо тестировать (без этого алгоритм работать не будет).
Боль финансовая
Тесты элементов требуют огромной вычислительной мощности. Соответственно, для запуска следующего этапа нам было необходимо получить большое количество GPU-карт. Нам понадобилось 16 карт Tesla V100, каждая из которых стоит порядка $10 000. В свою очередь, для них нам потребовалось задействовать сервер, стоимость которого варьируется в районе $200 000.
На время пришлось оставить разработку идеи и все силы бросить на поиск средств. Презентовались инвесторам, участвовали в выставках и конкурсах стартапов. Последние и принесли нужную сумму: $100 000 – грант от Amazon и ещё $120 000 от Microsoft, которые мы потратили на аренду сервера и обучение алгоритмов.
Боль масштабирования
Прототип сделать легко. Он представляет собой всего 15% от полного механизма, но работоспособность системы напрямую зависит от окружающих факторов: как система будет устроена для обычных пользователей, как в неё добавляться, как редактировать данные, как защитить (!) персональную информацию, как определить зональность и т. д.
И даже если удалось учесть эти 85% реалий жизни и наладить производство, головная боль будет только расти. Как масштабировать производство, начать выпуск сотен и тысяч устройств, которые ежедневно и не один год должны надёжно работать в клиентском здании? Приходится масштабироваться вместе со своим производством: открывать новые для себя понятия «контроль качества» и «техническая поддержка», увеличивать штат, повышать квалификацию.
И вернёмся к айсбергу. Когда начинали, сравнивали проект именно с ледяной глыбой, об которую в щепки может разлететься вся идея. Но каждая новая боль, точнее, её решение помогает нам усилиться и повысить свой уровень. Главное – не останавливаться.
Фото: depositphotos.com