Вы, наверное, нас с кем-то путаете (с кем, кстати?). Мы не сервис, мы не HITL, мы не собираем миллионы данных для обучения нейросетевых моделей. Мы делаем ИИ-решения для безопасного распознавания: весь процесс происходит на стороне клиента, а результат есть только у вас и вашего банка или платежной системы.
В своем современном состоянии WASM позволяет эффективно решать вычислительно сложные задачи. В том числе - связанные с распознаванием и обработкой изображений технология. Наш модуль распознавания по времени практически не уступает решению, созданному под нативную платформу. Мы писали об этом и даже проводили соответствующие замеры, подробности можно узнать в этой статье.
На примере этой, с одной стороны, игрушечной, а с другой — классической потребительской задачи мы показали, что в настоящий момент системы диалогового ИИ не всегда адекватно воспринимают промты, не ориентируются на доступную в интернете информацию, а имеют свойство "галлюцинировать", выдумывать.
И если вы захотите выбрать телевизор или диван, то чат-бот пока с этой задачей не справится.
На фоне других ответов кажется, что это неплохой результат. Но притом назвать его подходящим язык не поворачивается. Первые три варианта удовлетворяют промпту без вопросов, а вот с остальным дело обстоит хуже. Например, Владимирская пивоварня действительно существует, но стаутов у них несколько, так что определить точно, что именно подразумевал ИИ, невозможно. А "Трехсосенское Темное" называется "Трехсосенское бархатное" и в наличии в розничных магазинах мы его не нашли(
Мы согласны! Проводить сравнение всех стилей пива между собой действительно не совсем корректно, но большого выбора нейросети, увы, не предоставили. Судя по всему, ИИ ориентировался на самые общие характеристики - то есть буквально подобрал пиво по цвету. Где уж там такие тонкости...
Спасибо за коммент! Наш эксперимент носил исключительно безобидный характер, поэтому просить и повторять рецепты пива мы, конечно, не стали (хотя с учетом печального опыта других пользователей от ИИ вполне можно было бы ожидать инструкцию по созданию ОМП вместо рецепта пива). Дело тут в другом: даже с такой элементарной командой, как составить топ-5 лучших видов российского темного пива, ИИ справился через пень-колоду. И это показательно.
А сравнение с ацетоном и "чуть не отравил" - это личные вкусы членов жюри, которые могут не совпадать с предпочтениями читателей. Назвать перечисленные образцы действительно лучшими никто из нас не смог, и это тоже показательно. То, что удалось наскрести из ответов чат-ботов, свидетельствует об общей поверхностности знаний современного ИИ.
Вы правы, это не новость. Но галлюцинации до сих пор представляют вполне ощутимую опасность. Пивной эксперимент - еще одно дружелюбное напоминание об этом.
Читатели, интересующиеся темой, нас знают уже давно - блог на Хабре мы ведем с 2015 года!
Конечно, вы можете не знать Smart Engines, но нашими технологиями распознавания вы пользуетесь наверняка. Как и 70% жителей России и более 275 млн человек по всему миру. Мы обеспечивая системами распознавания российского паспорта как стартапы, так и лидеров цифровой трансформации и являемся поставщиком систем распознавания для самых разных отраслей, включая госсектор, банкинг, промышленность, бизнес и так далее.
Под капотом нашей системы — собственный ИИ, решающий все от начала (анализа видеопотока) и до конца (выгрузки результатов распознавания). Шумоподавление, детектирование и классификация документа, определение его системы координат на изображении, устранение искажений от изгибов, поиск полей (они иногда впечатаны мимо, а если перед вами документ корейца, то вы еще разберитесь, где там отчество), распознавание строк, извлечение из печати данных о подразделении, кроссвалидация данных с машиночитаемой зоной, интеграция данных с разных кадров, анализ цвета документа, анализ шрифтов, установление его подлинности — вот лишь часть задач, которые мы решаем. И все это «для OCR». Потому что требуется, чтобы нужные символы правильно распознались. И все это с высокой точностью и по возможности без напряжения пользователя.
На вопрос про блики уже ответили, см. комментарий выше.
Все так, технология Smart Engines при распознавании в видеопотоке выполняет обработку покадрово - распознает информацию с каждого поступающего кадра и выполняет межкадровую интеграцию результатов их распознавания.
То есть если блик мешает распознать какое-то поле в паспорте на одном кадре, оно будет распознано на другом кадре (или кадрах) - там, где блик не мешает видимости. Так и удается решать проблему бликов при распознавании паспорта.
Отдельный пример с бликующей основной страницей в этот краш-тест мы не включили, но обязательно сделаем и покажем. А пока пример распознавания в таких условиях можно увидеть в видео по ссылке.
Пересечения определенно есть. Примечательно, что и Gemini по неизвестной причине тоже высоко оценила Афанасия. Вопрос только - за что все нейросети его так сильно любят?
Вы, наверное, нас с кем-то путаете (с кем, кстати?). Мы не сервис, мы не HITL, мы не собираем миллионы данных для обучения нейросетевых моделей. Мы делаем ИИ-решения для безопасного распознавания: весь процесс происходит на стороне клиента, а результат есть только у вас и вашего банка или платежной системы.
Коллеги, предлагаем вам изучить отечественные журналы или хотя бы хабр :)
С наилучшими пожеланиями,
команда Smart Engines
Здравствуйте!
Связаться с нами напрямую можно по телефону +7 (495) 649 82 60.
Звоните, наши специалисты все расскажут!
В своем современном состоянии WASM позволяет эффективно решать вычислительно сложные задачи. В том числе - связанные с распознаванием и обработкой изображений технология. Наш модуль распознавания по времени практически не уступает решению, созданному под нативную платформу.
Мы писали об этом и даже проводили соответствующие замеры, подробности можно узнать в этой статье.
Спасибо за коммент! Этот вопрос создает трудности разработчикам, причем трудности зачастую возникают на Apple. Но мы его успешно преодолели!
Реальность ИИ здесь совершенно не при чем.
На примере этой, с одной стороны, игрушечной, а с другой — классической потребительской задачи мы показали, что в настоящий момент системы диалогового ИИ не всегда адекватно воспринимают промты, не ориентируются на доступную в интернете информацию, а имеют свойство "галлюцинировать", выдумывать.
И если вы захотите выбрать телевизор или диван, то чат-бот пока с этой задачей не справится.
На фоне других ответов кажется, что это неплохой результат. Но притом назвать его подходящим язык не поворачивается. Первые три варианта удовлетворяют промпту без вопросов, а вот с остальным дело обстоит хуже.
Например, Владимирская пивоварня действительно существует, но стаутов у них несколько, так что определить точно, что именно подразумевал ИИ, невозможно. А "Трехсосенское Темное" называется "Трехсосенское бархатное" и в наличии в розничных магазинах мы его не нашли(
Мы согласны! Проводить сравнение всех стилей пива между собой действительно не совсем корректно, но большого выбора нейросети, увы, не предоставили. Судя по всему, ИИ ориентировался на самые общие характеристики - то есть буквально подобрал пиво по цвету. Где уж там такие тонкости...
Спасибо за коммент! Наш эксперимент носил исключительно безобидный характер, поэтому просить и повторять рецепты пива мы, конечно, не стали (хотя с учетом печального опыта других пользователей от ИИ вполне можно было бы ожидать инструкцию по созданию ОМП вместо рецепта пива). Дело тут в другом: даже с такой элементарной командой, как составить топ-5 лучших видов российского темного пива, ИИ справился через пень-колоду. И это показательно.
А сравнение с ацетоном и "чуть не отравил" - это личные вкусы членов жюри, которые могут не совпадать с предпочтениями читателей. Назвать перечисленные образцы действительно лучшими никто из нас не смог, и это тоже показательно. То, что удалось наскрести из ответов чат-ботов, свидетельствует об общей поверхностности знаний современного ИИ.
Мы сомневаемся. Дело, как говорится, было не в бобине..
Будем следить за каждым его достижением (и провалом)!
Вы правы, это не новость. Но галлюцинации до сих пор представляют вполне ощутимую опасность. Пивной эксперимент - еще одно дружелюбное напоминание об этом.
Спасибо за комментарий, мы солидарны! С кулинарными рекомендациями у генеративного ИИ дело обстоит хуже всего.
Читатели, интересующиеся темой, нас знают уже давно - блог на Хабре мы ведем с 2015 года!
Конечно, вы можете не знать Smart Engines, но нашими технологиями распознавания вы пользуетесь наверняка. Как и 70% жителей России и более 275 млн человек по всему миру. Мы обеспечивая системами распознавания российского паспорта как стартапы, так и лидеров цифровой трансформации и являемся поставщиком систем распознавания для самых разных отраслей, включая госсектор, банкинг, промышленность, бизнес и так далее.
Под капотом нашей системы — собственный ИИ, решающий все от начала (анализа видеопотока) и до конца (выгрузки результатов распознавания). Шумоподавление, детектирование и классификация документа, определение его системы координат на изображении, устранение искажений от изгибов, поиск полей (они иногда впечатаны мимо, а если перед вами документ корейца, то вы еще разберитесь, где там отчество), распознавание строк, извлечение из печати данных о подразделении, кроссвалидация данных с машиночитаемой зоной, интеграция данных с разных кадров, анализ цвета документа, анализ шрифтов, установление его подлинности — вот лишь часть задач, которые мы решаем. И все это «для OCR». Потому что требуется, чтобы нужные символы правильно распознались. И все это с высокой точностью и по возможности без напряжения пользователя.
На вопрос про блики уже ответили, см. комментарий выше.
Все так, технология Smart Engines при распознавании в видеопотоке выполняет обработку покадрово - распознает информацию с каждого поступающего кадра и выполняет межкадровую интеграцию результатов их распознавания.
То есть если блик мешает распознать какое-то поле в паспорте на одном кадре, оно будет распознано на другом кадре (или кадрах) - там, где блик не мешает видимости. Так и удается решать проблему бликов при распознавании паспорта.
Отдельный пример с бликующей основной страницей в этот краш-тест мы не включили, но обязательно сделаем и покажем. А пока пример распознавания в таких условиях можно увидеть в видео по ссылке.
Если точнее, то в четверг вечером.
Пересечения определенно есть. Примечательно, что и Gemini по неизвестной причине тоже высоко оценила Афанасия. Вопрос только - за что все нейросети его так сильно любят?
Мы никогда такого не допустили бы! Пробовалось исключительно холодное пиво!
А как насчет темного пива?