• Сбербанк и Microsoft запустили программу совместных исследований в области ИИ и робототехники.
  • Впервые в своей истории исследовательский центр Microsoft Research в Редмонде откроет двери для российской компании.
  • Партнеры будут вместе работать над созданием алгоритмов искусственного интеллекта для управления роботами в банковской сфере.

 

15 октября 2019 года, Москва — Сбербанк и исследовательское подразделение Microsoft Research (MSR) объявили о совместном проекте, в рамках которого компании будут проводить исследования по применению искусственного интеллекта Microsoft для задач робототехники. Цель проекта — научить роботов манипулировать объектами физического мира так же, как это делает человек.

Инженеры-исследователи Сбербанка будут работать вместе со своими коллегами из MSR в Редмонде, США. Объединенная команда будет искать оптимальные способы управления роботами-манипуляторами на основе ИИ-платформы Microsoft. Она объединяет машинное обучение, в частности метод обучения с подкреплением[i], и имитационное моделирование в виртуальных мирах для создания автономных ИИ-систем, способных работать в реальном мире. В основе проекта лежит научная разработка Лаборатории робототехники Сбербанка в области точной манипуляции объектами разнообразной и непостоянной формы с применением технологий компьютерного зрения и глубокого обучения[ii].

Герман Греф, Президент, Председатель Правления Сбербанка:

«Искусственный интеллект и робототехника являются стратегическим направлением современных исследований как для коммерческих компаний, так и для государственных научных центров по всему миру. Сбербанк взял на себя лидерство по искусственному интеллекту в программе ʺЦифровая экономикаʺ, и поэтому для нас очень важно использовать лучший мировой опыт в этой сфере. Мы ищем способы для максимально эффективного применения собственных разработок и патентов не только при решении задач банка, но и для реализации стратегических федеральных инициатив в этой области. Именно поэтому мы сотрудничаем с Microsoft — компанией, которая более 25 лет инвестирует в разработку искусственного интеллекта и является одним из лидеров отрасли. Мы гордимся тем, что корпорация Microsoft выбрала нас для проведения совместных исследований. Это говорит о высоком уровне доверия, которое сложилось между нашими компаниями, и высоком потенциале наших исследователей. Уверен, что проект станет началом успешного сотрудничества и в других областях исследований Сбербанка, принесет ощутимый результат обеим сторонам».

В результате проекта будет усовершенствована система управления робототехническим комплексом, созданным для увеличения производительности труда в процессе пересчета монет. Она состоит из манипулятора, видеокамер и специального захватного устройства. Система призвана облегчить труд и обеспечить безопасность оператора кассово-инкассаторского центра при разгрузке мешков с монетами с передвижной тележки, что приведет к повышению эффективности работы банка.

Планируется также, что успешные результаты совместных исследований лягут в основу научных публикаций на тему практического применения искусственного интеллекта.

Кристина Тихонова, президент Microsoft в России:

«Сбербанк — лидер цифровой трансформации в России и яркий пример того, что в новой экономике любая компания становится ИТ-компанией. Объединение нашей экспертизы в области ИИ, а также высокий уровень доверия, сложившийся между нами, позволят добиться результатов, которые окажутся значимыми не только для инновационного развития банка, но и для других отраслей российской экономики. Мы уверены, что наши совместные достижения внесут существенный вклад в развитие прикладного ИИ в России и во всем мире».

 


[i]Обучение с подкреплением (англ. reinforcement learning) — один из способов машинного обучения, в ходе которого целевая система (агент) обучается, взаимодействуя с некоторой средой, выступающей в роли «учителя». Такая среда может быть как естественной, так и виртуальной.

 

[ii]Глубокое обучение (глубинное обучение; англ. deep learning) — разновидность машинного обучения, позволяющая вычислительным системам познавать предметную область, представляя ее в виде постепенно формируемой в процессе обучения (опыта) иерархии концепций — от простых к сложным. При этом от разработчика не требуется заранее задавать эти концепции. Многие современные системы глубокого обучения реализованы как многослойные (глубокие) искусственные нейронные сети, в которых разные слои отвечают разным уровням абстракции.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *