Fozzy Group розробила і тестує власний штучний інтелект – як він працює

Спікер розповідає, що спочатку така назва була першоквітневим жартом, але врешті її вирішили залишити і створили візуалізацію у вигляді котика.

Розробка представляє собою свого роду портал, так називається зона розпізнавання продуктів у вигляді конструкції з підсвіткою і камерою.

Людина ставить у портал свою тарілку і камера робить знімок, який потрапляє до нейромережі, яка визначає та класифікує страви на таці гостя.

На екрані підсвічується, які страви обрала людина та їхня порційність.

Алгоритм доволі складний: ми рахуємо пельмені, площу пюре на тарілці, щоб визначити, порція це чи половина порції, і виводимо суму на екран гостеві. Гість має змогу розрахуватися телефоном, застосунком "Сільпо" або карткою. Отримує чек і йде обідати. Все відбувається в автоматичному режимі, час на класифікацію страв — приблизно 2-3 секунди, - розповідає Андрій Янбухтін.

Наразі в систему ШІ внесено майже 200 страв і стільки ж SKU. З моменту виникнення ідеї над проєктом працювали приблизно 1,5 роки.

Тоді у команді було небагато людей, які вчили нейромережу розпізнавати страви. На першому порталі було встановлено три камери, зараз використовується 1-2.

Кількість задіяних камер залежить від того, як стоять продукти на таці.

Головна складність полягала в тому, що ми створювали своє рішення з нуля. Звісно, у світі були аналогічні рішення, зокрема, у китайців, але вони привʼязувалися до тарілок певного розміру: тобто кожну страву треба було класти в окрему тарілку, - розповідає айтівець.

Сьогодні точність упізнавання ШІ більшості страв сягає майже 98%.

Екран зроблено інтерактивним, щоб у разі помилки нейромережі гість міг за два кліки змінити порцію на половину порції.

Також у систему завантажуються нові фотографії у разі зміни дизайну певного товару. У своїх розробках команда орієнтується на досвід Amazon GO та його рішення, але реалізувати досвід магазинів без кас та касирів не будуть.

За словами Янбухтіна, таке рішення підходить для невеликих магазинів, а для великих супермаркетів, як "Сільпо", це невиправдано дорого.

У компанії є ще один успішний проєкт - Message Tagger. Він вивчає інформацію і автоматично розподіляє завдання з отриманих відгуків про роботу мережі.

Ми також навчилися розуміти емоції, йдеться саме про складні лінгвістичні моделі, а не, скажімо, лайку, яку легко визначити. А у перспективі плануємо використовувати ці рішення для формування на основі ШІ відповідей нашим гостям.

За словами спікера, щоб зробити процеси зручніше, швидше та дешевше.

Наприклад, на касі самообслуговування потрібно просканувати штрихкод товару і це часто ускладнює процес та дуже його затягує. Технологія Computer Vision дозволяє без штрихкода визначити, що це за товар, SKU, та пришвидшити обслуговування.

Читайте також: Samsung заборонив використання штучного інтелекту своїм співробітникам

Також команда мережі помітила, що гостей дратує голоси самокас, які лунають одночасно з усіх використовуваних систем “проскануйте товар, поставте товар на ваги”.

Ми помітили дискомфорт наших гостей, проаналізували ситуацію, і натепер у магазинах "Сільпо" вже немає вагового контролю. Я можу підійти до каси з двома однаковими пляшками пива, просканувати одну з них двічі, нікуди не ставлячи ці пляшки, оплатити свою покупку та спокійно вийти з магазину, - наводить приклад розробник.

Цим аналізом в мережі вже займається штучний інтелект.

SPEKA