Саркис Григорян:

Добрый вечер! Сегодня четверг, как обычно мы встречаемся в студии канала Mediametrics. В эфире передача «Искусство интеллекта», обсуждаем различные аспекты применения искусственного интеллекта и вещи, связанные с этим. Сегодня у нас очень интересный гость, это Евгений Бурнаев, кандидат физико-математических наук, руководящий научной группы «Современный анализ данных в науке и инженерии» Сколковского института науки и технологий. Евгений специализируется на приложениях в области индустриальной инженерии и разработке методов машинного обучения. Кроме того, является обладателем наград различных. Мы об этом поговорим. Евгений, большое спасибо, что уделили время и пришли к нам. 

Евгений Бурнаев:

Спасибо, что пригласили. 

Саркис Григорян:

Евгений, скажите, пожалуйста, давайте такой первый вопрос. Чем занимается лаборатория, которой вы руководите?

Евгений Бурнаев:

Надо понимать, что мой научный, производственный путь начался относительно давно, году в 2008-м и тогда мы начали активно заниматься приложениями машинного обучения для задач индустриальной инженерии. Речь идёт об оптимизации различных сложных инженерных изделий. Одним из заказчиков, первых наших наработок была компании Airbus. И задача там заключается в том, что есть различные изделия, например, какая-то композитная обшивка, профиль крыла пассажирского самолёта, другие какие-то вещи. И проблема состоит в том, что расчёт этой штуки, каких-то её важных характеристик может занимать достаточно длительное время. И вот мы применяли машинное обучение для того, чтобы эти расчёты ускорить и повысить качество оптимизации, эффективность, скорость и так далее. С тех пор, естественно, много воды утекло, эти задачи, они остались, хоть они мною были начаты достаточно давно, они по-прежнему свою актуальность не потеряли. Мы активно этим занимаемся, сотрудничаем по-прежнему с рядом компаний, допустим, Bosch и других. Ко всему этому добавился ещё ряд очень актуальных в настоящее время задач. Это и обнаружение аномалий, это тоже важно для различных технических систем, и так называемое 3D компьютерное зрение. Обычное компьютерное зрение позволяет работать с картинками. А 3D компьютерное зрение ещё также включает в себя обработку различных трёхмерных сенсорных данных, таких, как данные с лидара, с камер с глубиной, это очень важно как для приложений в медицине, так и для, допустим, систем автономного вождения. 

Саркис Григорян:

Интересно, я ещё когда читал вашу биографию, увидел, что вы ещё работали с какой-то командой Формулы-1. Расскажите. 

Евгений Бурнаев:

Есть такой эпизод в моей жизни. Действительно, был проект, связанный с тем, что необходимо было прооптимизировать боковую пластину композитную, защищающую гонщика Формулы-1. Это была одна из команд в то время активно выступающих, дислоцирующаяся в Англии, в конюшне дислоцировалась. Соответственно, там основная проблема заключается в том, что либо вы эту пластину изготавливаете, чтобы измерить её прочность, и потом ломаете для этого. Либо это делается мат. моделирование, которое занимало в то время, сейчас я не думаю, что это будет быстрее, порядка суток, расчёта прочности. Соответственно мы хотим пластину массой поменьше, при этом чтобы она по-прежнему удовлетворила сертификационным требованиям, защищала гонщика. Из-за того, что эти расчёты очень долгие и дорогие, хотелось как-то позволить инженеру нащупать быстрее дизайн, который и масса меньше, и при этом удовлетворяет требованиям. Благодаря методам специфическим нам удалось это сделать, проект в этом заключался. 

Саркис Григорян:

Расскажите тогда ещё касаемо вот этой премии, которую вы получили, которая называется «Разработка методов предсказательной аналитики в задачах обработки индустриальных, медицинских и экономических данных». 

Евгений Бурнаев:

На самом деле, ситуация в том состоит, что многие задачи, я сейчас говорил про разные задачи, я сказал про болид Формулы-1. сказал про задачи, связанные с какими-то композитными структурами в самолёте. Но на самом деле, похожие задачи, они возникают, например, при оптимизации эффективности, в том числе. Даже есть такой забавный пример из моей практики, из практики моих коллег, связанный с оптимизацией состава крема, которым женщины могут отбеливать кожу. Потому что с помощью предиктивной модели можно по экспериментальным данным понять, какая комбинация имеет более высокую эффективность в неком смысле физиологическом, и просто пытаться нащупать более эффективную комбинация. Соответственно вот эти все задачи, а также связанные с ними задачи прогнозирования поломок и выявление каких-то аномальных вещей, не только в данных сенсорных, но и видеоданных или данных изображений, вот эти методы, они достаточно общие. И вот за достаточно длительный период работы мной и членами моей команды был разработан ряд методов, которые позволяют достаточно широкий класс задачи решать. За это время премия и была дана. Опять-таки, это всё было подтверждено тем, что количество придложений у нас самых разных и успешно выполненных большое. 

Саркис Григорян:

Если мы сейчас говорим о том, что есть некие методы, которые One size fits all, могут много задач решать. Насколько быстро адаптация какого-то метода к какой-то конкретной задаче происходит, и какое примерно происходит время между тем, как мы понимаем, что можно что-то где-то улучшить, с инженерной точки зрения какую-то создать технологию, и какое время проходит до того, как это уже производится, уже применяется в промышленности, в производстве. 

Евгений Бурнаев:

Вы затронули очень такой вопрос сложный в неком смысле, потому что, во-первых, естественно, это такая расхожая фраза, серебряной пули нет, многие об этом говорят. Действительно, в бытность, если мы говорим о приложениях инженерных, для того, чтобы решать определённый, не то, чтобы супер широкий класс задач, связанных с оптимизацией дизайна, мы сначала набили очень много шишек, какого типа особенности данных бывают, какие бывают особенности постановок задач. Инженеру на самом деле надо, он же не понимает тематику эту всю, у него какие-то свои представления чисто прикладные. Он на другом языке говорит. Поэтому мы сначала сформулировали, декомпозировали это все на какие-то кусочки, поняли, какие требования к решению нужны в разных ситуациях. И дальше сделали лоскутное одеяло из методов, реализованных в виде программных обеспечений, которые всё это покрывают, основные все ситуации. Но это мы говорим о какой-то конкретной области. Если смотреть шире, то ситуация ещё более сложная. Потому что здесь это оптимизация дизайна, а если мы говорим о предприятии, управлении предприятием, то мы не только должны иметь набор инструментов разнородных, которые в ситуации разных данных, они там часто с пропусками, со станков они собираются, может чего-то не хватать, шумы какие-то. И ко всему прочему ещё, когда мы эту модель построили, это большое дело, её внедрить в производство. Кто будет отвечать за эти решения, если они не совсем правильные, насколько модель робастна, как это правильно встроить в бизнес процесс. Потом, естественно, организационные вопросы, связанные, что на предприятии могут быть люди, которые просто не хотят этим заниматься и так далее. Вот эти все вопросы, в совокупности это достаточно большая, сложная проблема. Поэтому ответ на ваш вопрос, что метод, который One size fits all, такого нет, как говорится. И в идеале, наверное, со временем для разных отраслей промышленности появятся такие Tool box, как мы сделали в своё время для инженерной оптимизации дизайна, которые просто действительно смогут покрыть основные потребности. И плюс к этому, я надеюсь, подтянется уже наконец организационная структура предприятий и уже можно будет это достаточно быстро делать. Сейчас, конечно, такая ситуация далеко не везде. 

Саркис Григорян:

Как раз у меня вопрос о взаимодействии лабораторий, научного сообщества с предприятиями. Как происходит постановка задачи, или вы сами что-то исследуете, потом понимаете, это можно сюда применить, приходите и говорите: давайте посмотрим, попробуем вам сделать это. Или к вам обращаются компании, которые говорят: мы понимаем, что у вас есть какие-то определённые методы, определённые наработки, нам нужно это. Как у вас происходит?

Евгений Бурнаев:

Это всё, на самом деле, всевозможные варианты, которые вы перечислили, в разных комбинациях это всё имеет место быть. Потому что какие-то компании, они ещё только в начале этого пути, они не приходят и говорят: слушайте, вы в университете сейчас, вы можете нам сделать что-то, мы взяли коробочку, кнопку нажали, сразу всё нам хорошо. Понятно, что так не работает, во-первых, а во-вторых, с университетами не работает. По тому что у нас команда не разработчиков, в текущем моём состоянии мы можем сделать, решить какую-то сложную задачу, какой-то, может быть, прототип изготовить, но это далеко не конечное решение, его ещё надо внедрять, это тяжёлый процесс. Это раз. Другие команды, они, на самом деле, говорят: очень хорошо, что вы не занимаетесь инженерными задачами компании. Вы нам лучше поисследуйте, у нас всё равно до этого руки не доходят или не хватает квалификации. А вы математику знаете, вы сможете нам, может быть, какой-нибудь хороший метод подсказать или изобрести и у нас тогда какой-нибудь показатель, скорость передачи какой-нибудь информации в передатчике ускорится на 20 %, мы станем лидерами рынка. Я утрирую, такой крайний случай. И тоже такого типа взаимодействие, оно тоже случается, и тогда от нас требуют уже больше Research, и это, конечно, в настоящей моей ипостаси мне гораздо ближе. 

Саркис Григорян:

Я знаю, что вы много ездите по миру, участвуете в конференциях. Я часто этот вопрос задаю, в чём разница между тем, как происходит развитие в университетах, в компаниях, во всем, что связано с технологией искусственного интеллекта, машинного обучения и у нас. Насколько эта разница большая. Когда сейчас все говорят о гонке ИИ, все говорят о том, что кто-то будет лидером, Америка или Китай, Россия «чёрная лошадка». Давайте об этом немножко поговорим, как вы видите мировую ситуацию в этом сейчас. 

Евгений Бурнаев:

Тут определённые шансы в России есть, потому что действительно, есть старые традиции хорошей тематической школы, действительно, софтверные решения, есть хорошие команды, которые это могут делать, есть большой сейчас интерес, есть определённая поддержка государства. И компании частные тоже в это дело вкладываются. Допустим, я летом проводил школы, и многие компании коммерческие, они выдали спонсорские деньги на то, чтобы эту школу провести. Удалось за счёт этих средств пригласить много зарубежных звёзд, чтобы они лекции прочитали. Вместе с тем ситуация далеко, на мой взгляд, не супер оптимистичная, потому что я буквально неделю назад вернулся из Южной Кореи, где проходила конференция международная по компьютерному зрению. Там в самом начале, как обычно, все эти конференции показывают, показывали статистику, сколько народа приехало, как там подросло количество народа, вот это всё. Цифры такие, что по сравнению с прошлым годом рост количества посетителей увеличился в 2,4 раза с трёх с 3,5 тысяч до 7 с чем-то тысяч, такие цифры. При этом из России приехало порядка 106 человек. Это конечно надо как считать, понятно, что русскоязычных людей, которые где-то ещё работают, не в России, там гораздо больше было. Тем не менее, по подсчету организаторов 106 человек из России, допустим, 1000 человек из Америки, 1500 из Китая, из государства Израиль, которое по своим размерам достаточно небольшое, так скажем, там приехало 106 человек. В этом смысле показатели, они говорят сами за себя, что ещё есть куда работать. Ну и конечно, это я сейчас сказал про количество посетителей, ты просто купил билет, у тебя есть деньги, приехал, посещаешь, слушаешь лекции и всё такое. А если говорить про публикацию, то здесь ситуация ещё хуже. Да, действительно, сейчас есть определённые ростки в Москве, в регионах в каких-то крупных научных центрах, но тут ещё есть, куда трудиться. 

Саркис Григорян:

А что нужно, чего не хватает? 

Евгений Бурнаев:

Кажется, что тут должны быть усилия в неком смысле всех, и какое-то пропагандирование, что это действительно сейчас полезно, и определённые финансовые вливания есть, возможно, хорошо, если бы в этом больше участвовали компании. Потому что многие из них пока ещё смотрят узконаправленно, из серии, если вы нам что-нибудь сделаете, мы вам, может быть, что-то заплатим. Здесь, скорее, уже так не работает. Хотя, я уже сказал, многие компании понимают, что им кадры просто нужны, и они готовы открывать, например, в Сколтехе открывают какие-то лаборатории исследовательские, потому что за счёт этого можно натренировать каких-то студентов под конкретные задачи компании. Мне кажется, просто нужно эти все усилия больше консолидировать и отстраивать всю цепочку, начиная, может быть, даже со старших классов. Потому что школьники какие-то базовые вещи, то есть, конечно, не на уровне математики, но многие дети уже неплохо программируют, на уровне комбинации каких-то блоков программных и составления из них процедур обработки данных, школьники старших классов смышлёные, они, в принципе, тоже могут. Вот эту всю дорожку надо отстраивать. Если этим заниматься целенаправленно, на регулярной основе, а не так, что здесь что-то делают, здесь что-то делают, с каким-то планом, то я думаю, что можно за достаточно разумный срок ситуацию исправить. 

Саркис Григорян:

Евгений, скажите, пожалуйста ещё, сейчас за последнее время, когда это так на виду или в СМИ обострилась гонка сверхдержав, мы видим некоторые не очень приятные вещи. Когда, по крайней мере в Америке, когда некоторых учёных китайских, которые раньше были в каких-то группах рабочих, происходит какой-то национализм. Что вы китайцы, давайте, делайте это у себя, мы этим будем у себя. Вот с этим вы как-то сталкивались, видели что-то такое?

Евгений Бурнаев:

Знаете, к счастью, нет. Пока мой личный опыт, мне визы дают, спокойно езжу куда хочу, никаких вопросов ко мне не возникало. Даже в Канаду в прошлом году ездил на конференцию, мне какое-то долгое время визу не давали. Я написал письмо в визовый центр, в посольство, поругался в этом письме, что мне надо ехать, мне её буквально через пару дней выдали. В этом смысле, вроде как, всё ничего. Но действительно, определённые какие-то такие слухи, непонятные истории доходят. Насколько они супер адекватные, что-то такое бурлит. Это, конечно, печально, потому что всё-таки я считаю, что научные эти вещи, они должны быть по возможности вне вот этих политических склок, которые провоцируют появление вот этих каких-то подозрительностей, настроения и так далее. Действительно, соперничество, оно всегда есть, будет между людьми, странами и так далее. Но хотелось бы некую черту не переходить по возможности. Поэтому, я надеюсь, что как-то оно устаканится, а так, действительно, слухи определённые есть. 

Саркис Григорян:

Евгений, расскажите о каких-нибудь таких, на ваш взгляд очень интересных, передовых разработках, которые, может быть, сейчас находятся в каких-то зачаточных стадиях, но могут дать какой-то очень большой эффект в ближайшем будущем или что-то очень сильно поменять. Есть ли какие-то вещи такие, на которые вы обращаете внимание или за чем-то следите. 

Евгений Бурнаев:

Сложно сказать так сходу. Скорее я активно слежу за тем, что в моей области развивается, и это в значительной степени, может быть, инженерные вещи, может быть, не супер понятные людям, которые далеки от этой области. Я приведу некий пример. Дело в том, что активно муссируют информацию о том, что нейросетки появились, сейчас будет куча фейков, связанных с обработкой фотографий. Действительно, эти вещи упрощают манипуляцию с фотографиями, но некоторые работы, их активно муссируют, что вот, сейчас будут какие-нибудь следствия из этого. Но, на самом деле, существуют какие-то более важные вещи, происходящие в этой области, в области, например, нейросетей. Появляются какие-то новые архитектуры, обывателю сложно объяснить, но они настолько дают прирост высокий, качество, что это существенно позволяет решать новые задачи. Поэтому про такие вещи, пожалуй, мне будет рассказать тяжело. Если говорить про какие-то приложения более понятные, я думаю, что просто будет повышаться дальнейшая автоматизация. Например, сейчас очень много дата саентистов такого низкого уровня, основная работа которых заключается в том, чтобы для конкретного сета что-то подстроить, какие-то ручки покрутить и получить какое-то решающее правило, которое хорошо работает. Такая, достаточно однообразная работа. Я думаю, что это будет существенно автоматизироваться, это естественно, сейчас на этот счёт очень много работ идёт. И действительно, через год, другой, третий просто нужно будет повышать квалификацию, потому что такого типа работа, она будет автоматизирована. Это как пример. Это уже в свою очередь приведёт к тому, что будет проще модели машинного обучения разрабатывать и уводить в какой-то продакшн. То есть это, скорее всего, будет как-то существенно ускорять саму область. Например, такая вещь. 

Саркис Григорян:

А дойдем ли мы и в какое время если дойдём до того, когда, не хочу, что бы такое было, но такие учёные, как вы или кто-то другой, которых сами заменят такие же алгоритмы, которые смогут сами себе ставить задачи, сами их решать. Или всё-таки всегда нужен человек, который говорит: давайте в эту сторону копать. 

Евгений Бурнаев:

Тут как обычно, озадачу сначала надо поставить, а это, зачастую, процесс прост плохо формализованный. И текущая парадигма всех этих вещей, она основана на том, что мы должны в неком смысле показать примеры, примеры задач, примеры решений, причём в достаточно узко формализованном виде. Это какие-то наборы цифр, наборы таблиц с цифрами, изображения и так далее. Поскольку представить данные о том, что такое постановка задачи, как происходит её решение, как описывается решение, в таком виде невозможно, то я думаю, что это не скоро произойдёт. Машинное обучение в текущей парадигме обучается на примерах. Примеров для той метазадачи, о которой вы говорите, их набрать не очень даже понятно как и вообще возможно ли. 

Саркис Григорян:

И тогда в продолжение этого вопроса про сильный искусственный интеллект, насколько, вы думаете, реально ли его создать, и будет ли он, если будет, то примерно в какое время, или есть какие-то ключевые ограничения?

Евгений Бурнаев:

Понимаете в чём дело. Во-первых, все эти разговоры в значительной степени, мне кажется, они идут, если говорить про Россию, от перевода слова, что Artificial Intelligence - искусственный интеллект, на самом деле, в значительной степени это значит просто автоматизация рутинных процессов, это раз. Поэтому если говорить об автоматизации рутинных процессов, здесь всё нормально, всё идёт и будет только улучшаться, поэтому это радует. Теперь если говорить об имитации некого интеллекта, у меня есть определённые сомнения. Я не думаю, что в ближайшее время из каких-то имеющихся блоков, в ближайшее время значит год, второй, третий, пять лет, действительно что-то такое будет построено. Да, будут какие-то, может быть, простые роботы, которые в каких-то очень обособленных ситуациях смогут какие-то вещи делать. Навигация с какими-то рекомендациями, ещё что-то. Но это, опять-таки, ещё далеко не искусственный интеллект, о котором вы говорите. 

Саркис Григорян:

И опять же, причина том, что нельзя понятно формализовать задачу. 

Евгений Бурнаев:

В том числе да, именно так.

Саркис Григорян:

Хорошо, то есть, наверное, уже бояться, как обычно, никого не надо, терминаторов каких-то. 

Евгений Бурнаев:

Терминаторов не надо, людей надо при определённых условиях.

Саркис Григорян:

Согласен, в первую очередь, это инструмент. Как вы относитесь к разработкам в сфере искусственного интеллекта, которые касаются военных технологий, вот этих всех вещей. 

Евгений Бурнаев:

Сложно сказать, как я к этому отношусь. Я могу к этому как угодно относиться, солнце всё равно светит. Здесь то же самое. Может быть, это приведёт к тому, что конфликты, они имеют место быть, они будут. Может быть, это приведёт к тому, что, грубо говоря, будет меньше народу гибнуть при этом. Опять-таки, если речь идёт о конкретном локализованном конфликте, где участвуют конкретные какие-то военизированные отряды. В этом смысле, если это будет уже мерение силами не с привлечением людских ресурсов, а с привлечением чистого железа, может быть, где-то это в каком-то смысле лучше. Сложно сказать. Здесь есть, как говорится, и отрицательные стороны, и положительные стороны в том, что я назвал, и отрицательные в том, что это может выйти из-под контроля. Но спрогнозировать, на мой взгляд, учитывая, что я не военный эксперт, это очень тяжело. 

Саркис Григорян:

Да, просто есть некоторые риски, и они даже, наверное, я для себя эту проблему делю на 2 подпроблемы. Первая, это вообще глобальная проблема того, что роботы, искусственный интеллект может в какой-то момент, если мы говорим о том, что будет создан, условно, подумает, что люди ему мешают, вот эти все страшные сказки и страшное будущее, которое рисуют в романах про киберпанк и так далее. А вторая, на самом деле, очень простая, а что если то, что создано человеком, данного робота кто-то другой взломает, другой человек. Это, мне кажется, как вы уже сказали, что бояться нужно людей, это, мне кажется. пострашнее задача. 

Евгений Бурнаев:

Нет, это пожалуйста. Но послушайте, и сейчас никто не мешает взломать систему управления чего-нибудь и сделать аварию. Кража с банковских карт, какие-то технически подстроенные катастрофы с автомобилями или ещё с чем-нибудь, они имеют место быть. Поэтому, как говорится, это стандартно, всю историю человечество это знало, борьба брони и снаряда. Кто что-то пытается плохое сделать, дальше выстраивается какая-то защита. Я в данном случае не думаю, что это супер какая-то проблема, если система с привлечением этих средств выстраивается разумно, модульно, ты можешь контролировать хотя бы до некоторой степени каждый из этих модулей, которые обеспечивает эту техническую систему, с автономным каким-то принятием решений, то почему нет, должно быть нормально всё. 

Саркис Григорян:

Прекрасно. Не могли бы вы ещё рассказать о вашей лаборатории, может быть, именно про какие-то проекты, в которых вы сами перспективу какую-то видите, что-то интересное именно из научной работы. Потому что у нас много разных гостей, но когда прямо учёные-ученые, хочется уних узнать из первых уст, что там происходит. 

Евгений Бурнаев:

Я, пожалуй, расскажу о паре проектов таких, которые имеют конкретный прикладной выхлоп. Один это медицинский, связан с обработкой данных, которые поступают с ФМРТ сканера. Это значит, фактически, последовательность сканов головного мозга, по времени распределенных, то есть в разные моменты времени снимается скан головного мозга, когда человек лежит в этом сканере. Ситуация в том, что если оперируется опухоль, то необходимо локализовать моторный и речевой центры до того, как эта опухоль вырезается и спланировать операцию. Потому что чтобы, грубо говоря, не отрицать лишнего. Поэтому один из стандартных подходов, он во всем мире практикуется, это когда человека вскрывают, то дальше начинают. В случае речевого центра его будят, реально, есть определённый инструмент, с определённым напряжением, и эта штука, можно замкнуть, грубо говоря, контакты на открытом мозге, и человек просто перестаёт отвечать правильно на вопросы, он говорить не может. Это такой, фактически, единственный способ наверняка узнать, где этот речевой центр находится.

Саркис Григорян:

То есть методом тыка, фактически. 

Евгений Бурнаев:

Фактически да, это оно есть. Вопрос в том, что, грубо говоря, хорошо бы знать заранее сразу куда тыкать. Как бы это ни звучало. Поэтому для этого делают ФМРТ с нагрузкой. Человек лежит в ФМРТ, ему какие-то вопросы задают, ещё что-то, смотрят, где у него в мозгу возникает, зажигаются какие места на сканере, чтобы понять, где, скорее всего, это расположено. Но у людей, которые с болезнью, с опухолью, это много времени ещё занимает, это всё затруднено. Хорошо бы уметь это всё делать без всякой нагрузки, просто немного измерил и пожалуйста, тебе сразу прогноз. Мы сотрудничаем с клиникой, мои коллеги, господин Шараев, Берштейн, у нас команда единая по этому поводу, и мы применяем как методы машинного обучения, так и какие-то всякие, инженерную обработку вот этих сигналов, сотрудничаем с Бурденко клиникой в этом направлении. И действительно, удаётся, применяя некоторые методы декомпозиции этих сигналов, понять более точно, где это находится. Это сейчас в стадии исследования, благо, что у нас есть возможность прямо получать данные, которые получаются во время операции, корректировать те наши прогнозы, которые получаются. То есть врачи в любом случае это делают, но за счет этого мы можем лучше настраивать, и я надеюсь, что в какое-то разумное время мы построим решение, которое им упрощает всё это. Ещё один забавный проект, это тоже про компьютерное зрение, но не про обработку вот этих данных ФМРТ, а про обработку карт глубины. Речь идёт о том, что современные сенсоры на телефонах, они не только могут фотки делать, но ещё, например, изменять расстояние до сцены, что вы снимаете. Это зачем надо, по таким данным вы можете воспроизвести трёхмерные объекты, которые передо вами были, построить какую-нибудь дополненную реальность с этими объектами, ещё что-нибудь. Но поскольку современные сенсоры на телефонах, они ещё далеки от идеала, очень много всяких искажений, шумов, то мы занимаемся разработкой алгоритмов, как такого типа показания улучшить, чтобы они были пригодны для дальнейшего использования во всяких таких приложениях дополненной реальности. Это ещё просто пример приложения, над которым мы работаем. Там ещё ряд других, но это уже, может быть, не так интересно. 

Саркис Григорян:

Вот это про 3D сканирование, такие технологии могут применяться в автомобилях при автопилоте? 

Евгений Бурнаев:

Смотрите, какая ситуация, там просто другого типа сканеры стоят. Дело в том, что там стоят лидары, это лазерные дальномеры такие, и там структура данных, которые эти сенсоры на автономном автомобиле получают, они существенно отличаются от того, что вы можете измерить камерой телефона. Поэтому, конечно, мат. методы, которые мы развиваем для данных с телефона, они отличаются от математических методов для такого типа лидеров. Но принципы и идея, она конечно схожа, но задачи там немного другие. Но в целом а можем и там что-то поделать, но нельзя объять необъятное.

Саркис Григорян:

То есть я правильно понял, что эти методы отличаются того, чем занимается лидар, то лидар выдаёт более точную 3D модель. А, условно, с камеры телефона менее. 

Евгений Бурнаев:

С одной стороны, он точнее может измерять расстояние, пожалуй, но с другой стороны там очень разреженное облако этих точек и поэтому, грубо говоря, когда луч лазера попал в объект, вернулся обратно, потом он сместился, соответственно, у вас между измерениями может быть большое расстояние по пространству. Поэтому это другого типа измерения, они достаточно разреженные. В случае с картами глубины структурированного совета или каких-то других сенсоров, которые можно внутри помещения применять, там получается практически как фотография, но на самом деле, каждый пиксель этой фотографии, это не яркость какая-то, а это расстояние до соответствующего объекта на сцене. Просто это другого типа по своей структуре данные.

Саркис Григорян:

Точка, но в 3D сцене, получается. У нас уже 5 минут остаётся. Давайте тогда, сейчас уже раз конец почти, я просто в конце прошу гостей поделиться каким-то своим видением того, что ждёт нас в ближайшее время, что, может быть, сильно изменит наш мир. Что-то, может быть, об этом расскажете, как человек из самой глубины науки. 

Евгений Бурнаев:

Тут понимаете, в чем дело, тут такой тонкий момент всегда, что когда ты сидишь где-то в глубине, ты занят своими конкретными вещами, их стараешься улучшить и сделать. А иногда люди, когда парят, они забывают уже тоже о земле, другая проблема. Но я, пожалуй, сейчас не могу сказать за вообще все возможные применения искусственного интеллекта, но я подразумеваю, что в каких-то приложениях, которые сейчас уже имеют место быть, таких, как, например, self drawing cars, машины соответствующие, автономные, то скорее всего, если на дорогах они, может быть, и не появятся, потому что это тяжёлая задача, как с точки зрения организации, так и с точки зрения, там не всё решено инженерно. Но в каких-то ограниченных ситуациях я не вижу проблем, на каких-то относительно огороженных площадках, выставочных центрах это прекрасно может функционировать, я думаю. Связь, условно назовём это видео конференцией, только не когда вы на экран смотрите, а когда перед вами трехмерный образ человека, я подозреваю, что технически уже многое готово для того, чтобы это реализовать. Возможно, некоторые типы медицинских решений, то, что называется медицина удалённая, когда вы не можете пойти к врачу, но хотите быстрый по определённым вопросам диагноз получить, я думаю, что какие-то аспекты этого тоже получат серьёзное развитие, потому что многое уже, в принципе, готово. Уже определённые данные есть, определённые способы передачи, поэтому, как минимум, в этих областях уже что-то будет активно появляться. Ну и конечно, никто не отменяет вопросы, связанные с видео аналитикой. Камеры контроля ситуации на улицах, они уже давно есть, активно и неплохо работают. Но скорее всего, просто качество и покрытие будет в дальнейшем увеличено. Хорошо ли это, плохо, это отдельный вопрос, но это имеет место быть. 

Саркис Григорян:

Спасибо большое за такой очень научный подход, потому что разные гости кто-то больше в философию, мне нравится, что у нас всё так научное, конкретное. 

Евгений Бурнаев:

Сказывается то, что я много инженерных задач решил, видимо. 

Саркис Григорян:

Да, и ещё при всём при этом мне нравится, что с ежедневной точки зрения вы на это смотрите, и нет никаких страшилок, потому что чаще всего те люди, с которыми я общаюсь в этой студии, все почему-то куда-то склоняются к тому, что нас ждёт какой-то такой оголтелый киберпанк, вот это, то, что было у Гибсона и Стерлинга. 

Евгений Бурнаев:

Определённые вещи, наверное, можно назвать будет киберпанком. Но, с другой стороны, вы на дорогу, на улицу выходите, и зонтик берёте от дождя, может быть, ещё будете маску надевать, чтобы вас камеры не видели. Ну, OK. Не знаю, что поэтому сказать. 

Саркис Григорян:

Я думаю, что в ближайшее время мы всё это сами увидим.

Евгений Бурнаев:

Я думаю, да. 

Саркис Григорян:

Наверное, даже ближе, чем кажется. Спасибо большое за то, что нашли время и приехали. Спасибо.