В пятницу 9 августа в Москве прошла встреча представителей СМИ с Билайн и представителями поискового отряда Лиза Алерт, посвященная пилотному проекту по внедрению технологий AI в практику поиска потерявшихся людей в России.

Бриф для тех, кто не хочет читать длинный текст ниже.

Когда идет поиск людей, самое важное это быстрота. Потерявшийся человек может умереть от холода всего за несколько часов. Поэтому, кроме традиционного поиска путем пешего прочесывания местности, на помощь волонтерам приходят современные технологии.

В частности, проводится облет территории поиска беспилотником DJI Mavic 2 Pro с воздуха. Он делает тысячи снимков местности с высоким разрешением. Снимки перекрываются, что позволяет видеть одну и ту же территорию под различными углами. Снимки с дрона сбрасываются на сайт поисковиков. Добровольцы приступают к отсмотру снимков, пытаясь выявить на них потерявшегося или артефакты - вещи пропавшего человека, другие свидетельства, что человек может быть где-то поблизости. Процесс просмотра тысяч фотографий очень трудоемкий и при этом ответственный. Достаточно пропустить одну - ту самую, с человеком, фотографию, и потерявшийся, возможно, не будет найден и может вскоре погибнуть. 

В Билайн обучили AI, призванный отсеять фотографии, где практически наверняка никого нет, оставив для анализа добровольцев-людей только те фото, где человек или артефакты могут присутствовать. У компьютера на такой отсев уходят буквально секунды. Тем самым, удается выиграть немало столь ценного времени.

Пока что это пилотный проект. В частности, люди продолжают отсматривать даже выбракованные компьютером фотографии, чтобы убедиться в том, что AI не ошибается, ведь ценой такой ошибки может стать чья-та жизнь. Но даже при таком подходе, люди начинают поиск с фотографий, которые с максимальной вероятностью содержат что-то полезное, что существенно повышает результативность поиска. Пока что AI действует безошибочно, что, вероятно, позволит вскоре отказаться от дублирования алгоритма людьми.

Вот, пожалуй, и все, если вкратце. А для интересующихся деталями - мой конспект встречи.

Евгения Чистова, возглавляющая направление социальной ответственности и устойчивого развития ВымпелКом, напомнила, что Билайн работает с поисковым отрядом Лиза Алерт с 2011 года.

Григорий Сергеев, глава поисково-спасательного отряда Лиза Алерт. В России теряется очень много людей. В основном, это пожилые люди, в возрасте более 70-80 лет, страдающие расстройствами памяти. Также бывает, что пропадают дети. Начинаются их поиски, в которых участвуют группы из более, чем 80 тысяч волонтеров по всей России.

Эта ночь была для нас тяжелой, поступила информация о пропаших в Москве в возрасте 91 год и 93 года. К счастью оба поиска завершились хорошо.

Хотелось бы рассказать вам о поиске в Щелково. Это нестандартный, пока еще не классический для нас поиск. Знаковый.

Так получилось, что в июле отряд, что называется, разогнался. Мы получали "бесконечное" число заявок - 1083 заявки "на лес" за две недели июля. В целом за июль чуть меньше 700 заявок пришлись на Московскую область.

Большую часть заявок удается отрабатывать благодаря наличию у человека работающего сотового телефона, если он еще не сел и находится в зоне покрытия. В отряде есть специальная группа людей "Лес на связи", волонтеры из этой группы стараются помочь человеку выйти, ориентируясь на Солнце, на облака, устанавливают сирену, на звук которой следует двигаться. Привлекается вертолетный поисковый отряд "Ангел", экипаж которого, заметив человека, передает нам его координаты - по ним выходит наша "двойка", группа из двух человек. К сожалению, работающий телефон у пропавшего есть далеко не всегда.

Пропала женщина в возрасте 73 года в округе Щелково, где большой лес. Вдобавок похолодало. В этот момент упало число заявок и мы смогли заниматься этим поиском дольше, чем обычно, выделив на него большие ресурсы. В круглосуточном режиме мы занимаемся этим поиском до сих пор. Каждый день в поиске участвует более 40 волонтеров, на сегодня длина пеших поисковых "треков" в этом лесу составила более 2400 км. Что такое "пеший трек" - выходит группа, у нее есть спутниковый навигатор, он фиксирует километраж. Женщина, к сожалению, не найдена.

Кроме того, над лесом сделано 8300 снимков камерой с высоким разрешением с квадрокоптера. Стоит подробнее рассказать о том, как нам помогают малые беспилотники.

Сейчас у нас технология такая. Делаются фотографии с борта квадрокоптера. Заливаются на сервис, написанный нашими волонтерами. Специальная группа людей отсматривает эти фотографии. Специальная большая группа людей "снаружи" отряда, которые также хотят помогать, могут подключаться и отсматривать эти кадры.

На кадрах мы ищем и находим что-то, что отличается от леса, травы. И к таким точкам выходят пешие группы, чтобы посмотреть, что это за "артефакт". В щелковском поиске у нас более 100 отметок, которые необходимо проверить. Для того, чтобы посетить каждую из отметок, нам необходимо пройти пешком порядка 300 км.

В этом сезоне результативность использования летающих беспилотников достигла 1 человека, находимого еженедельно. А ведь всего 2 года тому назад мы за весь сезон нашли с помощью дронов двух потерявшихся. В 2018 году их было 6.

И это, как правило, тяжелые поиски, длящиеся не одни сутки. Дроны прежде всего задействуем там, где трудно пройти - болота, буреломы. Это те места, которые с земли рассмотреть сложно. Коптеры летают над такими участками, делая фотографии с высоким разрешением.

В этом году мы раз в неделю находили человека с помощью БЛА.

Это карта поисковых треков в Щелковском районе. Многие из этих треков сделаны группами из 2-3 человек, часть из них - в условиях бурелома. И там, где нам особенно тяжело работать на земле, на помощь приходят летающие БЛА.

Александр Ломоносов, руководитель направления применения беспилотной авиации отряда Лиза Алерт.

Видно, что в данной зоне у нас ходили пешие группы. Это видно по неровности треков из-за сложного леса. Пробраться внутрь зоны, которая показана слева кружком на слайде ниже (слева) ни у кого не получалось. Причем таких зон в этом лесу было несколько. Если пускать в такие зоны группу, она потратить, минимум, три часа и эта группа "умрет" в лесу, перестанет быть способна к продолжению поисков. А вот беспилотник весь этот район "отработал" за 15 минут. Человек был найден именно в труднодостижимой зоне, найден на фото с беспилотника. У человека хватило сил забрести в бурелом, но не хватило сил на выход. Это не удивительно, даже в условиях специально подготовленной группы, у нее уйдет немало сил на попадание в заданный участок леса с буреломом. Только эвакуация найденного человека составила свыше 4.5 часов, хотя до дороги по прямой всего 370 метров.

Справа на картинке хорошо видны треки беспилотника над заданной зоной, можно наблюдать, как он "закрывает" район, который необходимо обследовать. Буреломы, открытые поля, болота - коптер отрабатывает в разы быстрее, нежели чем это может сделать пешая группа.
Например, если речь о поле с травой высотой всего в 15 см, группе из 5 специально подготовленных людей-поисковиков на прочесывание потребуется 5-8 часов. Беспилотнику достаточно примерно часа на обследование той же площади. Он привезет фотографии всей обследованной территории, причем фотографии, сделанные с перекрытием, что исключает появление "мертвых зон", которые нельзя увидеть на фото.

К сожалению у нас пока мало беспилотников, мало операторов БЛА.

В любом случае, БЛА это не более, чем эффективный инструмент, который помогает ускорить поиски. Основная работа по поиску и спасению лежит на пеших группах.

АЛ: Вот средние цифры - 2500 фотографий получаем с одного поиска. За полгода сделано 33 тысячи снимков. Как вы понимаете, такое число фотографий отсмотреть сложно. К тому же зачастую возникают ситуации, когда нам нужно оказаться в зоне сотовой связи. Например, мы "отлетали" в глубоком лесу, где живет мало людей. Покрытие сотовой связи в таких местах может отсутствовать или сеть обладает низкой пропускной способностью. А нам нужно пересылать огромное число фотографий, чтобы наша просмотровая группа могла как можно быстрее начать заниматься отсмотром фотографий.

А.Л.: Вот живой пример. Человек, спасенный при помощи коптера на прошлой неделе. Во время поиска в Щелково группа просмотра потратила на отсмотр фотографий примерно 240 часов. На этой задаче людей приходится часто менять, т.к. результативно смотреть фото более 3-4 часов невозможно. Соответственно приходится привлекать большое число людей. Как только у нас вырастет количество дронов, если мы в 20 регионах присутствия будем их применять, то у нас будет 33 тысячи фотографий не за сезон, а за день-два. Сколько бы ни было добровольцев, без автоматизации процесса нам не справиться. И здесь нам поможет решение, которое разработано совместно с Билайн.

Джордж Хелд, вице-президент по развитию цифрового и нового бизнеса ВымпелКом.

Задача, которую мы сейчас решаем, это непростая задача. Требуется автоматизировать отсмотр сотен, тысяч фотографий. Это должно делаться быстро, поскольку от времени работы с фотографиями напрямую зависит общее время поиска, а чем оно меньше, тем больше вероятность найти человека живым.

Билайн с 2011 года взаимодействует с поисково-спасательным отрядом Лиза Алерт. Компания оказывала помощь в создании сайта для записи в волонтеры, поддерживает рассылки SMS с поисковыми сообщениями.

 

Д. Х.: Обычно второй звонок от семьи потерявшегося это звонок оператору. И тут есть немалая этическая и регуляторная проблема. Сегодня по закону даже в ситуации, когда телефон пропавшего еще на связи, не сел и находится в зоне покрытия, мы не имеем права давать близким информацию о его местонахождении. Мы могли бы технологически помочь, дав координаты человека, особенно, когда речь идет не о лесе, а о городе, об индустриальной зоне. Но не имеем права, нам это не позволяют делать юридические нормы.

Д.Х. Тем не менее, есть и другие технологии, которые могут помочь в поиске потерявшихся. Как телеком-оператор мы привыкли работать с большими объемами данных. У нас есть 5 больших ЦОД (центров обработки данных), расположенных в различных регионах России. Кроме того, мы используем такие технологии, как AI - искусственный интеллект.

Д.Х. Расскажу, как мы используем AI для задач Лиза Алерт. Но вначале позвольте сказать несколько слов о том, что такое AI. Говоря об AI принято выделять такую составную часть, как ML (mashine learning или машинное обучение), это когда мы обучаем компьютер решению каких-либо задач. Второе большое направление это NLP - natural language processing - работа с естественным языком, большое направление, призванное научить компьютеры понимать язык, общаться с людьми посредством речевых интерфейсов. Еще одно направление - AI для робототехники, здесь речь идет о системах AI, предназначенных для управления физическими объектами. Остановлюсь на теме ML и том, как мы его используем для решения нашей задачи.

Д.Х. Классика написания алгоритмов - это попытка описать существующий процесс в терминах типа "если произошло это, сделай то". Для написания сложных программ с таким подходом требуются подчас годы. ML это подход, когда задача формулируется примерно так: мы говорим "нечто начинается вот так и должно завершится вот так". А все, что позволяет от А перейти к Б, компьютер должен "придумать" самостоятельно. Например, компьютеру сообщают, что мне нравится фильм Х, нравится фильм Y и не нравится фильм Z. На основе этой информации компьютер должен быть способен прогнозировать, понравится ли мне фильм A.

Д.Х. Мы используем ML для решения двух задач: во-первых, для распознавания, во-вторых, для прогнозирования.

Д.Х. Мы активно используем прогнозирование при работе с данными. В частности, используем прогнозирование и для работы совместно с Лиза Алерт.

 

Д.Х. Прогнозирование может использоваться в различных целях. Как я уже говорил, например, для того, чтобы предсказать, понравится ли мне тот или иной фильм. Можно использовать прогнозирования для попыток перевода текстов с одного языка на другой. Но в нашем случае необходимо было научиться распознавать изображение на картинке, в частности, научиться даже по небольшому фрагменту интересующего объекта предсказывать вероятность его наличия на той или иной фотографии.

Д.Х. Такие задачи может решать система компьютерного зрения на базе DL (deep learning) и нейронной сети. Вернемся к нашей задаче: дрон летит, делает огромное число фотографий. Нам нужно быстро определить, есть ли на той или иной фотографии изображение человека или его "фрагмента" (например, если на снимке человек оказался в тени, за деревом, в траве и так далее и видно, например, только его ухо или кисть руки).

Один из современных подходов анализа изображений подразумевает то, что при анализе их разбивают на фрагменты, в нашем случае на 13-30 фрагментов. В них алгоритм ищет фрагменты человеческого тела, например, глаз, ухо или кисть руки.

Д.Х. Была проделана большая работа по формированию алгоритма работы с изображениями.

Д.Х. В США есть аналогичные работы над созданием AI для систем компьютерного зрения, в частности, в компании TellusLabs AI применяют в анализе изображений в интересах фермеров.

Д.Х. Почему Билайн? Возможно аналогичный софт могут придумать любые четыре парня в своем гараже? Не так все просто, прежде всего, очень непросто обучить такой алгоритм.

Но результат того стоит. Посмотрите, насколько велика разница работы "вручную", когда волонтеры просматривают все изображения, и работа людей в тандеме с AI, когда алгоритм выделяет из массива изображений те, где наиболее вероятно присутствие человека или других артефактов и люди приоритетно работают с уже отобранными системой компьютерного зрения фотографиями.

 

 

 

 

 

Д.Х. На сегодня у нас решение способно работать в двух режимах - в онлайн и в оффлайн режиме. Онлайн режим используется тогда, когда есть возможность быстро передать фотографии на наши сервера, на которых работает система компьютерного зрения. Это очень быстрый способ, сортировка фотографий занимает буквально секунды. Как правило, так можно работать в условиях города, где есть качественное, надежное покрытие.

Также возможна работа системы в условиях, когда нет связи и нет возможности оперативно послать фотографии в ЦОД. В этом случае используется программа, которая реализует алгоритм компьютерного зрения, она может исполняться на ноутбуке в полевых условиях. Это не настолько эффективная система работы с изображениями, но и эта программа позволяет решать как минимум задачу приоритезации фотографий, где наиболее вероятно наличие человека.

Поскольку ответственность очень велика, мы пока намеренно сосредоточились на задаче отбраковки фотографий, где практически наверняка нет людей. Это не означает, что люди уже не будут анализировать эти фотографии. Пока что будут, но начнут с тех, которые компьютер выделил, как приоритетные. Это позволит исключить трагические ошибки, одновременно ускорив нахождение людей. В перспективе, конечно, постараемся решить и вторую задачу - распознавания на фотографиях людей, в любом ракурсе, даже по небольшому фрагменту.

Д.Х. Качество и наличие покрытия является одним из ключевых моментов для эффективной работы с фотографиями. Билайн активно продолжает работу по модернизации и расширению своих сетей в различных регионах. В частности, мы ведем активную подготовку к развертыванию сетей 5G.

 

 

 

+

За новостями телекома и IT удобно следить в телеграм-канале abloud62. Телеграм-трансляции читайте в канале @abloudRealTime.

теги: AI ИИ искусственный интеллект нейросети беспилотники телеком аналитика Big Data BigData Билайн ВымпелКом социальная ответственность Лиза Алерт спасатели применение беспилотников