Статьи

Как Intel учит машины видеть

Команда IOTG Computer Vision (подразделение Intel), работающая в Нижнем Новгороде, хорошо известна своими разработками в области компьютерного зрения. Так, именно они по сей день поддерживают OpenCV — всемирно известную библиотеку компьютерного зрения с открытым исходным кодом, а некоторые сотрудники даже стояли у истоков ее создания двадцать лет назад. Тем интереснее будет узнать о работе подразделения изнутри и примерить на себя возможность стать частью этого легендарного коллектива. Об этом мы поговорили с Кириллом Корняковым, руководителем подразделения Intel IOTG Computer Vision.

— Когда ваша команда стала частью Intel?
— Наша команда, тогда известная как компания Itseez, вошла в состав Intel в 2016 году как подразделение IOTG Computer Vision (ICV). Расшифрую аббревиатуру: IОT — это Internet of Things, G — это Group, то есть группа, ведущая проекты в области Интернета вещей. Тогда Intel решил увеличить фокус на компьютерное зрение в своих разработках в данной области. И это понятно, ведь сейчас многие вещи имеют встроенную камеру, способную не только «видеть», но и «понимать» происходящее. Например, компьютерное зрение помогает управлять автомобилем, анализировать медицинские снимки. Или дает возможность автоматизировать поиск дефектов на промышленных конвейерах.
И наше подразделение ведет в этом направлении активную работу.

Как Intel учит машины видеть
Кирилл Корняков

— Что вам удалось привнести в глобальную семью Intel?
— В первую очередь это глубокая экспертиза в создании и оптимизации алгоритмов. Один из ключевых продуктов, в разработке которого мы приняли самое активное участие, получил название OpenVINO™. Он ускоряет работу приложений компьютерного зрения и искусственного интеллекта. Другой важный программный пакет — библиотека алгоритмов Open Model Zoo — практически полностью создан специалистами нашего подразделения. Есть и другие, например инструмент аннотации изображений и видео под названием CVAT (Computer Vision Annotation Tool), который уже стал, пожалуй, самым популярным свободным инструментом для разметки в мире.

— Вы создаете продукты для российского или глобального рынка?
— Как и OpenCV, практически все, что мы делаем, находит применение во всем мире. Технологии, которые мы создаем, имеют два основных канала распространения: через сайт Intel и платформу GitHub, где многое доступно в исходном коде. Так, инструментарий OpenVINO™ находит сейчас огромное применение в Китае, который активно внедряет новейшие технологии: меняет свою промышленность, строит умные города и так далее. Кроме того, есть многочисленные проекты в Соединенных Штатах, Европе и, конечно, в России.

Как Intel учит машины видеть

— Есть ли проекты, помимо OpenCV, которые вы считаете наиболее успешными?
— К счастью, мы также можем похвастаться и новыми разработками.
Например, во время проведения Чемпионата мира по футболу FIFA в 2018 году мы сотрудничали с российской компанией AxxonSoft — разработчиком систем видеонаблюдения. Для своих систем видеобезопасности, работавших на всех объектах мундиаля, они ускоряли свои алгоритмы при помощи OpenVINO™.
Еще один недавний успешный пример — ускорение программного обеспечения медицинского подразделения компании Philips. При помощи OpenVINO™ они смогли почти в 200 раз ускорить работу центрального процессора для выполнения сложных задач искусственного интеллекта по обработке и анализу рентгеновских снимков.
В работе — масштабный проект с китайской компанией Alibaba, создающей маркетплейс для приложений на базе искусственного интеллекта. Они хотят создать площадку, на которой могли бы встречаться производители и потребители алгоритмов. И наша задача — дать инструмент для ускорения и предоставить разработки по компьютерному зрению.
Сегодня в мире идет бурный прогресс в области ускорителей для искусственного интеллекта, поскольку новые задачи крайне трудоемки и требуют специализированного аппаратного обеспечения. И Intel в том числе разрабатывает несколько передовых платформ под брендом Movidius™, а также планирует выпускать собственные дискретные видеокарты.

— Направление развивается, появляются новые задачи, заказчики, платформы. Это требует большего количества инженерных ресурсов. Каких специалистов вы ищете?
— Сейчас мы активно нанимаем новых людей. Заинтересованы в специалистах трех профилей. Первый — это алгоритмисты, инженеры-исследователи, то есть люди, которые изобретают алгоритмы. Второй профиль — так называемые оптимизаторы производительности. Они эффективно переносят и ускоряют алгоритмы под конкретные платформы. И третья категория специалистов — это классические инженеры-разработчики. Они создают сложные программные системы, библиотеки, комплексы.

— Какие умения и навыки необходимы для успешной работы в этих направлениях?
— Все специалисты, хоть и в разной степени, должны владеть математикой, чтобы понимать содержание нашей работы и тех алгоритмов, которые мы разрабатываем. Ведь технологии быстро меняются, а математический аппарат имеет более классическое и долговечное содержание, его можно и нужно изучить. Линейная алгебра, матанализ, дискретная математика — все это база, без которой у нас будет трудно работать. Люди, которые занимаются оптимизацией, должны глубоко понимать аппаратное и фундаментальное программное обеспечение: знать архитектуру ЭВМ, понимать, как устроена операционная система, компилятор. Это, кстати говоря, одно из преимуществ работы в Intel — наши разработчики имеют доступ к большому количеству разнообразных платформ и в состоянии досконально с ними разобраться.

Как Intel учит машины видеть

— Легко ли адаптироваться новым специалистам?
— При приеме на работу мы проверяем владение базовыми технологиями, например: языком С++, математикой и фундаментальными дисциплинами в информационных технологиях.
Отсутствие более узконаправленных знаний в тематике компьютерного зрения и искусственного интеллекта, как правило, не является жестким фильтром. Готовых специалистов, владеющих нашей тематикой, крайне мало, поэтому новым сотрудникам назначается наставник (ментор), вместе с которым они работают несколько месяцев. На протяжении этого времени работа новых специалистов направляется, а со временем они получают все большую свободу действий.

— А если человек хочет заниматься вопросами компьютерного зрения, но живет в другом городе?
— У нас есть две категории специалистов, которые приезжают к нам из других городов и даже стран.
Первая — наиболее мобильная — это студенты. Они приходят к нам на стажировку практически со всей России. Компания оплачивает им проезд, проживание и питание. У нас есть налаженные контакты с вузами, поэтому при желании по окончании стажировки студент может перевестись в местное учебное заведение и остаться в Нижнем Новгороде.
Вторая категория — опытные специалисты. Intel помогает переезду таких сотрудников, так что все решаемо. У нас работают люди из Новосибирска, Сарова, Сыктывкара. Перевезли даже кандидата из Польши внутри Intel.

Как Intel учит машины видеть

— Как в Intel оценивают успешность сотрудников?
— В первую очередь мы оцениваем результаты работы сотрудника: масштаб задач, которые решает специалист, их техническая сложность. Смотрим, насколько трудная задача была решена, как быстро, с каким уровнем качества, насколько независимо человек справлялся с задачей и так далее.
Второй критерий для оценки — это то, насколько поведение человека соответствует культуре компании и коллектива. Насколько он хороший командный игрок, открыт к оказанию и получению помощи, соотносит свои профессиональные цели с потребностями клиентов и так далее.
Третья ось, по которой оценивается сотрудник, — его стремление к обучению. Отрасль компьютерного зрения, как, впрочем, и информационные технологии вообще, быстро развивается.

— Какие преимущества для развития и карьеры дает тот факт, что вы являетесь частью глобальной команды Intel?
— Работа в глобальной команде открывает массу возможностей. Мы взаимодействуем с большим количеством очень крупных технических специалистов во многих странах одновременно. Участвуем во внутренних конференциях, узнаем о новейших разработках компании раньше, чем о них будет заявлено на рынке. Здесь есть инструменты для построения эффективного нетворкинга.
Что особенно важно, в Intel можно построить очень глубокую техническую карьеру, поскольку перед компаниями такого масштаба всегда стоит масса сложнейших вызовов. Фактически профессиональный рост ограничен лишь размером ваших собственных амбиций.

Как Intel учит машины видеть
Вакансии дня