Российские ученые создали систему видеомониторинга, работающую в сотни раз быстрее обычной. Интервью
На фоне развязанной Западом против России многомерной войны российские ученые продолжают развивать прорывные направления в науке и технике, которые в недалеком будущем могут стать основой перехода российской экономики к новому технологическому укладу, основанному на повсеместном применении робототехники, важнейшей проблемой которой является распознавание образов.
Об этом и других применениях созданной в Самарском университете им. Королёва скоростной нейросети ИА Красная Весна побеседовало с профессором кафедры технической кибернетики Самарского университета им. Королёва, доктором физико-математических наук Романом Скидановым.
ИА Красная Весна: Роман Васильевич, расскажите, пожалуйста, о вашей разработке.
Роман Скиданов: В нашем университете по заказу Российского федерального ядерного центра — Всероссийского научно-исследовательского института экспериментальной физики (РФЯЦ-ВНИИЭФ) в последние годы была создана оптическая нейросеть на основе аналоговой фотонной вычислительной системы, а затем создан демонстрационный образец, испытания которого подтвердили правильность выбраных технических решений.
Созданная нами нейросеть анализирует поступающий видеопоток, распознает и классифицирует объекты и изображения. Существенной частью системы является возможность анализировать гиперспектральные данные — система работает с двухдиапазонным гиперспектрометром — также разработкой Самарского университета.
Аналоговая фотонная вычислительная система может работать в сотни раз быстрее существующих цифровых нейросетей, поскольку анализ и распознавание объектов осуществляется почти со скоростью света.
ИА Красная Весна: Расскажите, пожалуйста, про прикладное применение вашей разработки. Как она может использоваться в разных отраслях, какие новые возможности появляются при ее внедрении?
Роман Скиданов: На данном этапе рановато говорить о применении. Предположительно это могут быть системы видеомониторинга с большим количеством видеопотоков, дистанционное зондирование земли с распознаванием заданных объектов, военное дело.
ИА Красная Весна: Если все же попытаться пофантазировать о будущем применении разрабатываемой вами системы. Главная часть вашей работы — это все же фотонная нейросеть, а использование гиперспектральных датчиков — это как раз наиболее интересное на данный момент применение этой системы. А если отвлечься от этой прикладной части и посмотреть на новые возможности, которые открываются при использовании фотонных нейросетей при постройке систем искусственного интеллекта (ИИ). В чем они и насколько это позволит построить более мощные системы по отношению к построенным на электронных нейросетях?
Роман Скиданов: Да, в перспективе возможно создать супермощную систему на основе нескольких параллельных систем такого рода.
ИА Красная Весна: Какие возможны перспективы применения подобных нейросетей в военных целях?
Роман Скиданов: Такие перспективы есть. Одна из возможных задач для этой системы — классификация БПЛА в кадре.
ИА Красная Весна: Расскажите немного про элементную базу оптической нейросети. Обычные нейросети, как известно, построены на электронных компонентах — микросхемах, самые современные и быстродействующие из которых производятся за рубежом. Это является для российской экономики определенной проблемой. А какова элементная база фотонных нейросетей?
Роман Скиданов: В качестве элементной базы может выступать любой транспарант. То есть, рассчитав нейросеть, мы просто можем построить стекляшку с определенной фазовой функцией. И этого будет достаточно для функционирования на решении одной задачи. Если же говорить о том, что реализовано нами, то речь идет о переключаемом пространственном транспаранте — так называемом пространственном модуляторе света, работающем на жидких кристаллах.
Сейчас устройство работает на китайских жидкокристаллических модуляторах. Но в настоящее время в Новосибирском институте физики полупроводников им. Ржанова ведется разработка российского модулятора именно для этой программы.
ИА Красная Весна: То есть, если речь идет о создании фотонных вычислительных систем, то мы могли бы каким-то образом наверстать наше отставание в микроэлектронике, которое общеизвестно, перейдя на другую элементную базу? Или это не совсем так?
Роман Скиданов: Ну для этого, собственно, все и делается. Не наверстать отставание, а просто перешагнуть через ушедших вперед. Их, собственно говоря, догонять бессмысленно.
ИА Красная Весна: Раньше проблемой оптических вычислительных систем была именно элементная база, которая делала устройства слишком громоздкими. Как вы решаете эту проблему в вашей разработке?
Роман Скиданов: Если вы имеете в виду цифровой оптический компьютер, то в ближайшее время, скорее всего, он не будет создан. Поскольку элементная база в принципе отсутствует. Та же самая память, например. Если вы имеете в виду аналоговое вычисление, — они сейчас есть в виде планарных структур и в виде объемных структур, которые мы сейчас делаем. Размер здесь зависит от желания сделать компактную вещь.
Ничего принципиально большого там нет. Ну, естественно, какой-то объем это будет занимать. Но это все-таки специализированная система, сделанная на определенный тип задачи. Она совершенно не универсальна. Поэтому не нужно думать, что это какой-то компьютер. Мы называем это сопроцессор на определенную задачу. А в принципе компактизация возможна тоже по нескольким направлениям. Но у нас пока такой задачи не стояло.
Задача этой работы — показать, что все работает. Что можно распознавать, что это делается формально быстрее, чем это делает электроника. И, соответственно, есть смысл такие системы делать.
ИА Красная Весна: Если все-таки разговаривать о создании фотонной вычислительной машины, ваша разработка каким-то образом приближает нас к действующему фотонному компьютеру, способному заменить существующие, основанные на электронных компонентах и, если да, то как? И является ли то, что сейчас делает ваша команда, неким шагом в этом направлении?
Роман Скиданов: Нет, конечно же, это специализированная разработка. Универсальный фотонный компьютер сделать в настоящее время не представляется возможным. Нет нескольких элементов, которые будут, скажем так, хранить информацию. То есть, в случае, когда какая-то корпорация объявляет о том, что она создала оптический компьютер, нам нужно внимательно смотреть, что они там, собственно, создали.
Да, оптические слои сейчас на кристаллах делают. То есть компьютер формально имеет оптические слои, но при этом оптические слои имеют вспомогательную функцию. То есть все равно без электроники не обходится. А электроника — это самый медленный элемент, и он по-прежнему тормозит всю систему. То есть оптический компьютер работает, но на частоте электронного компьютера.
Есть много фундаментальных проблем, связанных в том числе и со сложностью разработки оптического триода. Это проблемы, связанные, собственно, с оптической оперативной памятью, которая тоже, увы, до сих пор не создана. Это очень сложная задача, связанная с тем, что свет — это все-таки частицы, которые не могут остановиться. Они всегда должны двигаться. Из-за этого много технических проблем. Это касается как цифровых систем, так и аналоговых систем на чипе.
Проблемы одни и те же. А вот аналоговые системы в пространстве — они разрабатываются, сейчас количество публикаций растет просто лавинообразно. Мы, скажем так, далеко не первые в этом направлении. Просто мы, по-моему, единственные сейчас, кто этим занимается в Российской Федерации.
ИА Красная Весна: Как созданная Вами нейросеть может быть применена при изучении космического пространства? Может быть, она открывает новые возможности для изучения космических объектов или же может быть полезна для контроля космического мусора на орбите?
Роман Скиданов: Может быть удастся настроить устройство на классификацию космического мусора.
ИА Красная Весна: Относительно космического мусора: известно, что в настоящее время основную проблему составляют обломки размером менее 10 см. Ваша система могла бы в перспективе классифицировать и отслеживать такие элементы?
Роман Скиданов: Такие элементы можно классифицировать только по критерию «свой — чужой», то есть отделять работающие наноспутники от обломков. Да, возможно, наша система окажется полезной в решении этой задачи. Но надо понимать, что для этой задачи решающее значение имеет энергетическая составляющая, а не информационная. Только завершение проекта с орбитальным буксиром на ЯРД (проект «Зевс») может как-то изменить ситуацию, чистка же космоса техникой на жидкостных двигателях больше похожа на самоограбление.
ИА Красная Весна: А если говорить об исследовании космического пространства?
Роман Скиданов: Дело в том, что система предназначена для обработки больших потоков информации. При исследовании космоса, к сожалению, таких потоков почти не образуется. Поэтому, на мой взгляд, если мы действительно массово начнем получать какие-то видеопотоки из космоса, то здесь ее можно задействовать. Но пока этого нет.
ИА Красная Весна: Ваша оптическая нейросеть может анализировать видеопоток и с обычной видеокамеры, причем на порядок быстрее существующих систем, какие перспективы это открывает в сфере безопасности и, в частности, борьбы с терроризмом?
Роман Скиданов: Система в будущем способна в режиме реального времени осуществлять задачи распознавания сразу в десятках видеопотоков, очевидно, это можно использовать для задач безопасности.
ИА Красная Весна: Представим себе такую ситуацию: террорист наклеил усы и бороду и надел черные очки. Решает ли сейчас система безопасности задачу опознания такого субъекта? Сможет ли теоретически справиться с этой задачей ваша система?
Роман Скиданов: Черные очки, усы и борода понижают надежность работы нейросетевых систем распознавания. Есть ключевые точки лица, которые можно изменить, например, засунув по кусочку ваты в рот, и это снизит надежность до критически малых величин: все свойства обычных нейросетей имеет и оптическая.
ИА Красная Весна: В каких отраслях науки может быть применена система? Например, машинное зрение. Если говорить о создании человекоподобных роботов, то, возможно, ваша система могла бы быть положена в основу его зрительного аппарата?
Роман Скиданов: Да, техническое зрение для робототехники рассматривается как один из вариантов использования системы. К слову сказать, аппаратно, такая 4F система используется для этих целей довольно давно. Так, в девяностые и в начале нулевых именно 4F система, без нейросетей, с классической обработкой результатов использовалась в системах наведения ракет. Наш коллектив использовал ее для распознавания отпечатков пальцев в 1995–2000 гг.
ИА Красная Весна: За рубежом, судя по публикациям в российской прессе, делают нечто подобное. В чем отличие наших разработок от зарубежных аналогов и действительно ли речь идет об одном и том же? В частности, несколько лет назад были публикации о похожих исследованиях Калифорнийского университета. Но там, судя по информации, представленной в прессе, необходима долгая перестройка при распознавании разных объектов. А как это реализовано у вас?
Роман Скиданов: У нас перестройка системы с распознавания одного образа на распознавание другого занимает 1/30 с. При этом мы используем 4F систему с обратной связью от частотной плоскости. Насколько я знаю, именно таких устройств никто не делал.
ИА Красная Весна: Из разговора со знакомыми мне учеными я понял, что речь идет об особым образом собранной оптической системе, применяемой для фильтрации изображений и в том числе поиска объектов на изображении на основе его частотного образа. «Фото» или видеопоток (снимок в виде прозрачных и непрозрачных элементов) облучается лазером, свет собирается первой линзой, в фокусе которой ставится фильтр. Этим фильтром может быть частотный образ искомого объекта. Далее свет попадает на другую линзу и фокусируется на экран, на котором виден результат фильтрации. 4F это 4 фокусных расстояния между линзами. Верно?
Роман Скиданов: Вы описали классический вариант использования 4F системы (четыре фокусных расстояния) для распознавания. Все верно.
ИА Красная Весна: Одним из преимуществ новой системы, как указывается, является скорость распознавания. А где именно нужна скорость распознавания существенно выше, чем у существующих компьютерных нейросетей?
Роман Скиданов: Как правило, при анализе видеопотоков скорости обычных нейронных сетей всегда не хватает — оптическая могла бы решить эту проблему.
ИА Красная Весна: Вопрос относительно элементной базы изделий. С учетом ведущейся против нашей страны экономической войны возможно ли их производство на отечественных комплектующих?
Роман Скиданов: Пока часть комплектующих — российская, часть — из дружеских стран. В ИФП СО РАН сейчас ведутся работы по созданию отечественного пространственного модулятора света в рамках этого же проекта, так что в ближайшем будущем отечественных компонентов станет больше.
ИА Красная Весна: Про экономическую сторону вопроса. Насколько дорогостоящими являются такие системы?
Роман Скиданов: Ну пока что эта система достаточно дорогая. Наиболее дорогостоящая часть — это модуляторы света. Китайцы их сейчас продают в Российскую Федерацию по три с половиной миллиона рублей. Кто виноват в этой цене, сказать сложно: сами китайцы или наши таможенные органы. В самом Китае такой модулятор стоит около миллиона (для сравнения).
В общем-то, себестоимость этих модуляторов на самом деле совсем небольшая. Потому что, например, в каждом компьютерном проекторе стоит три таких модулятора. А стоимость у него, сами понимаете, далека от миллиона. То есть в конечном итоге потенциал уменьшения цены у этой системы огромный.
