Алгоритмы, которые видят лучше людей: так работает распознавание лиц на BBVA

[CarderPlanet]

Раздел искусственного интеллекта, предназначенный для тренировки «зрения» машин, становится все более изощренным. Это превышает способность людей отличать одного человека от другого. На BBVA он уже используется для проверки личности пользователей для оплаты еды в ресторанах. Но как это работает?

Искусственное зрение (или «компьютерное зрение») - это технология, которая позволяет компьютерной программе интерпретировать информацию, представленную на изображении, например, для записи данных кредитной карты или DNI при его сканировании. Эта технология лежит в основе способности Facebook отмечать вас на фотографиях, которые, по его мнению, вы появляетесь в Snapchat или в Snapchat, чтобы определять, где должны быть лица людей, чтобы разместить фильтр для щенков. Компьютерное зрение также отвечает за способность автономных автомобилей «видеть» то, что находится на дороге, и избегать препятствий.

Совместное создание этого «стартапа» между BBVA и Das-Nano является примером потенциала альянсов между крупными и небольшими компаниями. Veridas стал важной вехой в разработке и внедрении инновационных решений для платежей и идентификации пользователей в группе BBVA. «Мы можем создавать технологии на уровне лучших в мире», - говорит Эдуардо Азанза, генеральный директор Veridas.
В конечном итоге эта технология позволяет нам создавать приложения, которые используют пиксельные данные камеры для идентификации объектов и интерпретации пространств. Приложения бесконечны, а самые простые существуют уже несколько десятилетий. Но благодаря достижениям в области машинного обучения (или «машинного обучения») в последние годы стали популярными другие типы более сложных приложений, надежность которых уже превышает человеческую. Примером может служить биометрическая система, которая используется с июня 2018 года для облегчения оплаты пользователей, которые питаются в ресторане Central в Ciudad BBVA, штаб-квартире банка в Мадриде. Чтобы расплачиваться с помощью этой системы, пользователям нужно только стоять с лотком перед устройством, оснащенным камерами, рядом с кассовыми аппаратами. Система, основанная на искусственном интеллекте, идентифицирует лицо клиента, ранее зарегистрированного в системе, проверяет, есть ли у пользователя меню на лотке, и автоматически снимает средства с его карты.

Система работает в Ciudad BBVA с июня 2018 года и является частью стратегии BBVA по развитию «невидимых платежей».
Но как система узнает, является ли человек тем, кем они себя называют? «Когда мы говорим об искусственном интеллекте, мы имеем в виду то, как мы передаем интеллект, которым обладают люди, автоматизированным средствам, машинам, способным принимать решения или выводить результаты из реальности, которую он фиксирует так же, как и мы», - объясняет Микель Санчес, технический директор Veridas, фирмы, ответственной за разработку технологии, упрощающей это приложение. BBVA создала стартап Veridas вместе с памплонской компанией Das-Nano в 2017 году, чтобы улучшить разработку более безопасных и удобных систем идентификации и аутентификации клиентов.
В этом случае автомат выполняет автоматическое сравнение между человеком, который собирается платить, и всеми людьми, которые «могут заплатить», то есть ранее зарегистрированными в системе. Если система «распознает» пользователя и подтвердит, что у него есть полное меню , это позволит ему произвести оплату с помощью карты, которую он зарегистрировал в приложении. Весь процесс занимает считанные секунды.

От алгоритмов к нейронным сетям
В последние годы системы этого типа совершили качественный скачок, чтобы достичь такого уровня надежности благодаря использованию искусственных нейронных сетей. Раньше использовались алгоритмы, основанные на сложных математических формулах, которые определяли «теорию» того, как выглядит лицо, и какие параметры система должна была проанализировать, чтобы его распознать. Теперь они учатся на практике. «С развитием нейронных сетей способность решать проблемы заключается не столько в алгоритмах, сколько в данных», - объясняет Карлос Арана, технический директор Das-Nano, компании, ответственной за разработку распознавания лотков для еды в BBVA. система.

«Это сама нейронная сеть, которая определяет, что нужно искать, чтобы отличить одно лицо от другого»

Нейронные сети передают обучение, которое люди делают в реальной жизни, системе, которая автоматически получает тысячи или миллионы данных от разных лиц и обучается, пока не научится их различать. «Ему говорят: эти два лица принадлежат одному и тому же человеку, неоднократно, пока он не знает, как отличить их от остальной части базы данных», - добавляет Санчес. Однако система ищет не ряд конкретных функций, а «набор» характеристик каждого лица - то, которое система учится распознавать как уникальное. «Человека идентифицируют не по носу или глазам, а по всем их чертам», - добавляет он. Точно так же люди идентифицируют человека по сумме всех его характеристик, а не по их конкретному ряду.

Система сокращает время, необходимое пользователям для оплаты еды в ресторане Central, который принимает в среднем 2000 человек каждый день всего за два часа, на пять минут.
В конце концов, система «считывает» данные, единицы и нули, которые представляют пиксели, составляющие изображение. Системе все равно, рот это или ухо. «Когда вы тренируете нейронную сеть для распознавания лиц, вы не указываете ей количество точек или несколько характеристик, на которые нужно смотреть. Так же, как ребенка не учат различать людей по ориентирам. Сеть сама определяет, что нужно искать, чтобы отличить одно лицо от другого», - объясняет Санчес. Следовательно, вы ищете совпадения между различными наборами данных каждого лица, которые говорят вам, что это одно и то же расположение пикселей и, следовательно, черт на каждом лице.
Учитывая вычислительную мощность существующих систем и большой объем доступных данных, которые теперь можно проанализировать для «обучения» этой задаче, эти системы в последние годы экспоненциально увеличили свою надежность и за короткое время опередили остальной мир. рыночные технологии. Фактически, системы распознавания лиц, которые анализируют сходство двух лиц, чтобы определить, является ли это один и тот же человек или нет, уже справляются с этим лучше, чем люди.

Независимо от того, выполняется ли распознавание лица, речи, еды, документа или любого другого изображения, фундаментальная сила нейронных сетей заключается в наличии соответствующих наборов данных, которые можно классифицировать и использовать для правильного обучения моделей, «чтобы они могли вывести ответ, который человек даст», - объясняет Санчес.

Новаторская система
Система BBVA имеет, с одной стороны, камеру, которая распознает личность пользователей, а с другой - вторую камеру, которая определяет, что у покупателя есть меню на панели задач, позволяющее произвести платеж. В то время как лица людей следуют аналогичному шаблону, еда на подносе сильно различается: столовая BBVA предлагает более 15 различных меню, и каждый человек также может раздавать продукты, как он хочет.
По этой причине разработка системы была «сложной задачей» на технологическом уровне, которую специалисты решили с изобретательностью и большим объемом данных. К собранным ими изображениям подносов в столовой они добавили более двух миллионов изображений «синтетических» подносов, чтобы обучить созданную ими систему на основе макета и ориентации оригиналов. «Мы случайным образом составили их на небольшой киностудии, комбинируя всевозможные цветовые вариации и элементы, чтобы создать больше примеров для обучения и укрепления системы».
«Эта работа позволила нам немного раздвинуть границы того, что делается для распознавания изображений этого типа», - говорит Арана, который объясняет, что разработка системы означала отличное обучение для разных команд, поскольку она подразумевала столкновение с трудностями. очень сложный вариант использования, в котором они сделали его «настолько сложным, насколько это возможно для системы», сохранив при этом пользовательский опыт клиента.

Чтобы усилить систему, ответственные за проект создали искусственные лотки, чтобы научить систему распознавать как можно больше комбинаций.
Благодаря этой системе уже оплачено почти 10 000 обедов, благодаря которой сотни сотрудников едят с комфортом каждый день и без очередей в ресторане BBVA, тратя до пяти минут меньше, чем раньше, чтобы заплатить за свою еду, поскольку система устраняет необходимость чтобы вручную зарядить и освободить руки, чтобы найти карту или наличные.
Но также, что касается коммерции, эти новые решения позволяют предлагать клиентам прямые рекламные акции - всегда с их согласия - через "приложение'', например получение бесплатного кофе с обедом или скидки при достижении определенного количества заказов ( купи девятку, получи десятую бесплатно!). Еда от лица еще никогда не была такой простой.

Чтобы «заплатить за лицо», пользователям достаточно постоять перед камерами в течение нескольких секунд, чтобы система распознала их лицо.

bbva.com