В эти выходные прошёл уже второй AI хакатон, организованный при поддержке фонда Haxus, его партнёров и команды SPACE. Призовой фонд составил $10 000. В течение 48 часов команды изучали новые для себя фреймворки и технологии и пытались решить задачи в области ИИ и компьютерного зрения (AI/AR). В финал прошли проекты «из реальной жизни», связанные с медициной, криптографией, безопасным вождением и домашней роботизацией.
Симуляция реальной жизни
На открытии хакатона Дмитрий Гурский вспомнил о недавнем скепсисе относительно стартапов из Беларуси: «Пару лет назад, когда истории со стартапами только начинались, мало кто верил, что в Беларуси можно сделать что-то хорошее. Мы же провинциалы — дикие люди, и нужно уезжать, чтобы стать успешным. Но история подтвердила, что это не так».
По словам Дмитрия, фонд Haxus неспроста занимается такой формой благотворительности: «Это одна из самых эффективных форм вложений денег. Для вас важна идентификация талантов. Например, после прошлого хакатона мы сделали несколько предложений о найме в нашу экспертную группу и проинвестировали некоторые команды». Бизнесмен считает, что если команда справилась с поставленной задачей на хакатоне, то с большей вероятностью «выживет» и за его пределами: «Хакатон — это симуляция реальной жизни и хорошая тренировка перед созданием настоящей компании».
Технический ментор, победитель прошлогоднего хакатона Марат Духан пояснил dev.by, что в этом году хакатон отличается от прошлогоднего: «В прошлом году было много команд, которые годами работали над проектами, но им негде было себя показать. А в этом — много проектов, которые идут от реальной жизни, их основатели до прихода на мероприятие не знали, что такое ИИ. Но в итоге разобрались и представили жюри не менее интересные проекты».
Криптостойкий алгоритм. Зачем? Вспомните Сноудена
Первое место и главный приз от фонда Haxus — $4 тысячи завоевала команда NeuroCrypto, в составе которой три специалиста из информационной безопасности, криптографии и ML (Денис и Илья Дусь, Сергей Подайко). На хакатоне они решали задачу на стыке двух наук: криптографии и машинного обучения.
За основу ребята взяли один из классических подходов к построению блочных шифров — сеть Фейстеля. «Компания Google уже достаточно давно использует обучение с подкреплением для поиска удачных архитектур нейронных сетей. Мы попытались повторить то же самое в сфере криптографии. Разработали новый подход, а именно — предложили реализацию известной схемы шифрования данных, часть которой заменили нейронной сетью и тем самым сделали схему обучаемой», — поясняет Денис.
По словам представителя команды, криптография — это достаточно закрытая и регулируемая область знаний, поэтому они готовы сделать её доступной для всех: «Наша технология может служить для поиска потенциально криптостойких алгоритмов шифрования в автоматическом режиме, для этого не нужно быть специалистом в этой области».
— Когда пришли на хакатон, то понятия не имели, как это можно продавать. И нам предложили идею: кастомизированное криптографическое решение под ключ для представителей среднего и крупного бизнеса. Такие бизнесы хотят владеть своими собственными уникальными алгоритмами, которые можно использовать для шифрования данных. Хотя в рамках хакатона нам не удалось найти алгоритм, значительно превосходящий существующие классические аналоги, построенные по схеме Фейстеля, тем не менее мы получили несколько алгоритмов, сравнимых с ними по криптостойкости.
Приложение наподобие MSQRD, только для всего тела
Второе место и приз в размере $3 тысяч забрала сборная факультета прикладной математики и информатики БГУ, а также специалисты Института проблем информатики НАН Беларуси. Команда Kimchi работает над алгоритмом построения 3D-модели скелета человека.
— К созданию проекта нас подтолкнула новая технология Apple — Animated Emojis, — рассказывает представитель команды Александр Левников. — Нам пришла идея сделать полноценную систему, которая бы определяла скелет человека, его движения и проектировала это в 3D-модель. Наша технология может применяться в различных сферах, например, в идентификации личности по поведению человека. Но мы делали её для фана: чтобы можно было на модель надевать костюмы, например, Бэтмена или Дарта Вейдера.
Из набора инструментов ребята использовали нейронные сети, Core ML, С++ и ARKit: «У нас не было специальной подготовки в этих технологиях, но мы освоили их на хакатоне». За два дня команде удалось научить приложение распознавать скелет и позы человека, но небольшие заминки с его отображением всё же были.
Система для «умного» вождения
Третье место и $2 тысячи достались команде LaineAssist, которая создаёт систему контроля за движением на дорогах.
— У нас было две задачи: первая связана с анализом данных, вторая — с компьютерным зрением. Для решения первой мы собрали датасет с мобильных сенсоров, которые находились в автомобиле во время его движения. На основе этих данных научилили нейросеть определять, когда автомобиль едет спокойно и когда происходят какие-то резкие повороты либо резкое торможение. Эти данные могут пригодиться для оценки стиля вождения водителя, например, в таких компаниях, как «Яндекс» и Uber.
Во второй задаче команда пыталась находить разметку на дорогах: «С помощью алгоритмов компьютерного зрения мы смогли размечать полосы и приблизительную дистанцию до впереди едущего автомобиля».
В жюри заметили, что разметка «близорукая», закрашивает только ближайшие полосы. Представитель команды парировал: «Зато она очень быстрая».
На закуску: роборука для дома и оракул в Dota 2
Главный подарок от Юрия Мельничка — компьютер для глубокого обучения, Prestigio Workstation с 4x NVidia GeForce 1080 GPU достался команде минского HackerSpace. На хакатоне она делала речевой интерфейс для роборуки Rozum Robotics: «Мы хотим, чтобы робот понимал человеческую речь и делал то, что ему говорят, как в «Железном человеке».
Для решений поставленной задачи ребята использовали современные инструменты: нейронные сети, OpenCV, TensorFlow, SiriKit: «С помощью нейронных сетей мы находим классы (всего сейчас роборука определяет десять предметов). Далее с помощью двух камер и изображений находим трёхмерную координату. Потом нехитрыми математическими преобразованиями переводим координаты с камеры в координаты реального мира, и роборука хватает предмет на столе, в данном случае банан». В будущем такая роборука сможет прибить гвоздь, порезать овощи, отсортировать игрушки и выполнить другие полезные по дому задачи.
Известный уже многим стартап Onesoil пообещал накормить миллиард человек, учитывая особенности выращивания культур. На хакатоне команда поставила перед собой задачу — научить нейросеть автоматически распознавать поля. В итоге ей достался приз зрительских симпатий и награда в размере $1 тыс.
Команда DeepDee помогает врачам-офтальмологам ставить диагнозы. На хакатон она пришла не с пустыми руками: уже были обработанные медицинские данные. За два дня команде удалось научить нейронную сеть распознавать классификацию степеней сахарного диабета (влияют на зрение) и по сетчатке глаза определять, есть проблемы со здоровьем или нет.
VORTEX — система распознавания автомобильных номеров в режиме реального времени. Обеспечивает участников дорожного движения дополнительной информацией и помогает решать проблемы на дорогах. За время хакатона ребята разработали приложение, прототип сервера и настроили передачу данных с мобильного телефона на сервер. Команда планирует интегрироваться с комплексами DVR и базами данных ГАИ.
Команда Fit4code прогнозирует результаты игры в Dota 2: «На ставках в играх можно заработать, но нужно быть оракулом, чтобы их предсказывать. Мы написали систему с ИИ, которая делает это за нас». Для создания базы данных ребята парсили данные со Steam. В итоге их нейросеть обработала свыше 140 тысяч матчей: «Несколько раз мы проиграли, но в целом наш баланс остался положительным».
Фото: Андрей Давыдчик
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.