Работы и результаты

  • Сервис МФЦ
  • Brain2 БЛМ
  • Brain2Text
  • Brain2Chat
  • Brain2BI
  • Проект «Пушкин»

Российские (русские) нейронные сети (нейромодели знаний) и работы в сфере Искуственного Интеллекта

Сервис МФЦ

Программное обеспечение для роботов компании Промобот, «трудящихся» в многофункциональных центрах. Разработка позволяет выбирать посетителю услугу МФЦ по запросу в свободной форме.

Brain2 МФЦ: Сервис МФЦ

Ключевые особенности ПО:

A. Определение несоответствующих тематике запросов и предоставление релевантных ответов на корректные вопросы. Пример, на вопрос – «Где получить паспорт пирата со стажем» система отвечает «не знаю», а на корректный вопрос «где получить паспорт» предоставляет корректный ответ – наименование услуги МФЦ.

B. Распознавание парафраз. Пример, система даёт верный ответ на различные формулировки одного вопроса – «как получить паспорт», «как получить удостоверение личности» и т.п.

C. Оценка «уровня уверенности» даваемых системой ответов. В случае если система «уверена» ниже заданного уровня, то можно либо ответить посетителю «нет ответа», либо предоставить самый релевантный вариант, но оповестить, что не уверена в нем.

Модель в своей текущей итерации показывает 95.6% правильных классификаций с учетом использования в тесте заведомо неправильных запросов.

Перейти на демонстрационную страницу

Brain2 БЛМ — Большая Лингвистическая Модель

Разработанная Большая Лингвистическая Модель представляет собой своеобразный языковой процессор,
способный обрабатывать тексты на русском и английском языках.

Модель способна распознавать ошибки в словах и предложениях, определять морфологические свойства слов и строить фразы согласно языковым нормам. На основе БЛМ возможно создавать интеллектуальные диалоговые и справочные системы, обучающиеся на естественном тексте без предварительной обработки и разбиения на вопросно-ответные пары, что значительно упрощает задачу.

На текущий момент можно протестировать один из модулей БЛМ – проверку слов на орфографические ошибки и опечатки — Brain2Spell.

Перейти на демонстрационную страницу

Отчет №1 — Brain2Spell
Отчет №2 — Brain2Morph

Продукт Brain2Text

Кейсы на основе нескольких многослойных нейромоделей (автоматизировано)

Brain2Text (DSSM). Пример интеллектуальной справочной системы.

Многослойные 5 моделей Brain2Text обученные по фрагменту текста стратегии Сбербанка, состоящей из 8200 слов 800 предложении, позволяет осуществлять семантический поиск релевантных запросу лексем для ответа с точностью 0.86 и синтезировать из этих лексем ответ в виде предложения с точностью 0,91 (f-мера 0.9)

Перейти на демонстрационную страницу
Нейронные сети (нейромодели знаний).

Продукт Brain2Chat

Кейсы на основе многослойных нейромоделей (автоматизировано)

Brain2Chat: Виртуальный помощник справочной службы.

Многослойная нейромодель Brain2Chat обученная по 1000 парам вопрос-ответ по содержанию фрагмента стратегии Сбербанка, позволяет осуществлять семантический поиск релевантных запросу ответов с точностью 80% (f-мера 0.90)

Продукт Brain2BusinessIntelligence

Кейсы на основе одной многослойной нейромодели

Кейс «Анализ данных»: Задача с Kaggle House Prices

Модель house prices обученная за 2 минуты 33 секунды по 79 параметрам 1461 объектов недвижимости предсказывает стоимость объекта со ср.кв.ошибкой < 0.42 (время классификации <1сек.)

Кейс «Анализ данных»: Задача с Kaggle Digit Recognizer(MNIST)

Модель для распознания рукописных цифр (Digit Recognizer) обученная за 20 минут по 784 параметрам (картинка 28х28 пикселей) на 28 000 изображений позволяет детектировать рукописные числа с точностью 81% (время классификации 1-2сек.).

*информация взята с официальных страниц Kaggle 1 и 2

Кейс «HelpDesk»
Интеллектуальный поиск по содержимому файлов (SSM)

Три нейромодели HelpDesk обученные по 100 документам из 1200 предложений позволяют моментально осуществлять семантический поиск релевантных запросу документов с точностью 88%

Ответ также предоставляется в вариативном чат-боте Telegram.

Исследовательский проект

На основе нескольких многослойных нейромоделей

ПУШКИН. Исследовательский проект.

Целью проекта является научить ИИ сочинять стихи в стиле Пушкина (катрены 4-стопным ямбом). Для этого разработаны нейромодели по определению и подбору рифм, ударения в слове, ведутся работы над моделью смысловых ассоциаций по группе слов и комбинациям контекста.