R77 AI | Кейсы в ИИ (от выпускников МФТИ)

Как понять, что свинюшка готова к любви? Определяем через ML

Наш самый известный, интересный и любимый кейс. Для него мы даже отрисовали иллюстрации, чтобы эта была история любви...

О проекте: Свинки, как и люди, не всегда беременеют с первого раза. Нам надо было найти лучший момент для их осеменения, чтобы знать, какая из них точно даст потомство.

Для этого мы пускали хряка по коридору и смотрели реакцию свиноматок, а потом по камерам определяли поведение: активна она или нет, как близко подходит к хряку, трется ли задней частью об ограждение, навостряет ли ушки.

Метрики было две. Первая — метрика обнаружения, которая показывала, насколько точно мы определяем свинок в их загоне. Доля правильно найденных свиней должна быть 0,95+. Вторая метрика — точность определения поз свиней, требование к ней должно быть 0,90+.

Вот тут подробнее. А нас до сих пор чаще всего узнают по этому кейсу и всегда с улыбкой))

А тут компютер вижн на Целлюлозно-бумажном производстве!

Ставили камеры напротив грузовиков, чтобы понять сколько бревен загружены. Разобрались, что такое баланс, пачка, штабель, раскатка, коэффициент полнодревесности.

Снег, влага, разные лесовозы, разные размеры и виды бруса, природа и мужики — примерно так можно описать проект.

Вот что получили: 100% точность определения сорта древесины 99%+ точность разделения на пачки 98%+ определение КПД vs. оператор 90%+ определение КПД vs. раскатка

Кейс

А как думаете почему нельзя было просто взвесить?)

А вот наш самый сложный кейс про оптимизацию ферросплавов.

Пришлось самим становиться металлургами, потому что без окунания в сферу чисто математикой ничего не сделать.

Нам угрожали, что если система неправильно нарекомендует, то они отправят сотни тонн бракованной стали к нам в офис в Москву – там вообще все бруталити)

Сидели и разбирались, как вообще живёт плавка: какие элементы куда “уходят”, как меняется химсостав, почему сегодня сработало, а завтра — нет. Смотрели исторические плавки, сопоставляли добавки с результатами анализа, пытались уловить логику, которой сами технологи иногда объясняют это на уровне “чувствую, что надо ещё чуть-чуть добавить”.

В итоге упаковали всё это в сервис, который подсказывает оператору, сколько и чего лучше добавить прямо по ходу процесса — чтобы попасть в нужный химсостав и не переливать дорогие ферросплавы.

Результат — минус 3–5% затрат и стабильное качество. В деньгах — сотни миллионов в год. Кейс.

ТЗ для AI

Ребят, у нас много новых подписчиков — повыкладываем полезные посты, которые вы возможно не видели

Сделали простую и понятную таблицу, по которой можно быстро собрать внятное техническое задание на AI. Подходит и тем, кто только начинает, и тем, кто внедряет серьёзные корпоративные решения.

Вы конечно можете просто обратиться к нам, чтобы мы сделали ТЗ, но для своих нужд будет очень полезно)

Зачем нужен: — Понять, как пишется ТЗ и не тратить время на его придумывание и разработку. — Чтобы зафиксировать задачи, метрики, ограничения. — Чтобы не забыть про данные, пользователей, интеграции. — Чтобы быстрее согласовать проект с подрядчиком или внутри команды.

Что внутри: — Все ключевые разделы: от целей и сценариев до архитектуры, данных и рисков. — Примеры формулировок — чтобы проще было писать. — Подходит для всего: от автоматизации одного процесса до больших AI-систем в компании.

Пишите что еще бы добавили)

https://docs.google.com/spreadsheets/d/1fF-lVtNaULAfSQI7tqPUnxjYmLAnOJ2rGoEDX4thNrQ/edit?usp=sharing

Агенты не работают — и это нормально

Разобрали с Иваном Александровым и руководителем группы продуктов Ксенией Рязанцевой как делать, чтобы работали)

Что внутри: — почему агентные системы почти не доезжают до продакшна — где LLM дают реальную пользу, а где просто увеличивают косты — как выглядит рабочая связка: RPA + LLM workflow — почему при масштабировании всё уходит в скрипты и классический ML — и как считать эффективность не «на человека», а на единицу контента

https://vkvideo.ru/video-228941334_456239065

https://youtu.be/RDbS5wSe2xo

Сегодня у нас в гостях #Типичный_айтишник Ярослав Шмулев — фаундер AI-консалтинга и человек, который внедрял ML в сортировку алмазов, на свинофермы и в металлургию.

Кто ты и чем занимаешься? Меня зовут Ярослав Шмулев. Я выпускник МФТИ. Занимаюсь машинным обучением и AI с 2017 года. В 2022 открыл свою компанию R77.ai (ReML). Делаем заказную ML-разработку, строим AI-консалтинг и внедряем ML в реальный бизнес.

Как ты начал заниматься тем, что делаешь сейчас? Я вообще выбирал кафедру, чтобы не программировать 😅 В школе прогал круто, а на первом курсе так «повезло» с семинаристом: пока другие группы писали реально клевые штуки, мы прогали только машину Тьюринга. Я решил, что не судьба мне быть программистом и выбрал физику. Пошёл в радиолокацию, занимался цифровой обработкой сигналов.

Но там у меня появились мысли: а нафига я так круто учился, если на обработке сигналов у нас используются максимум ряды Фурье, и ничего поинтереснее нет. И тут на одном курсовом проекте товарищ предложил мне попробовать использовать нейронки. Я сделал голосовой замок на MATLAB, который открывался только на нужную фразу. Честно, не понимал, как он работает, просто тыкал наугад параметры. Но он работал, и я такой: блин, это реально круто, хочу этим заниматься. Так я ушёл в Data Science. Потом понял, что научка не моё, бигтех тоже не зажёг, пошёл в SAP-консалтинг. Потом в 2022 году я понял, что больше не хочу заниматься сервисным бизнесом и перешел на позицию CPO в B2B Joom. Там я достиг успехов и отвечал за продукт с многомиллиардной выручкой. Уже после этого я полностью вышел из найма и основал свою компанию.

Сейчас нас почти 40 человек, делаем заказную ML-разработку для клиентов вроде Альфа-Банк, Яндекс, Сбер и других. Плюс делаем свой LegalTech-продукт для проверки договоров.

Что самое интересное в работе? Мы, как внешний исполнитель часто работаем с задачами типа «0-1» — это задачи, которые появляются, когда ничего еще нет, даже идей решения, и вообще непонятно, как подступиться. Например: посчитать ежесуточный прирост поросят по видео. Или распознавать коров. Или оптимизировать процессы в металлургии. Тебе нужно быстро переключаться между доменами, погружаться в новый домен, общаться с бизнесом, придумывать решение. И иногда ты сам не до конца понимаешь, получится или нет. А потом оно начинает работать. Вот этот момент — вау.

А что самое неприятное, сложное? Мы внешняя команда и часто присутствует фаза «сближения» с внутренними командами, которая может проходить сложно. Еще мы нас не всегда могут допустить вглубь бизнеса и его проблем. Иногда — бюрократия, доступы выдаются по месяцу. Бывает и такое, что заказчику как будто меньше надо, чем тебе, и ты всех пинаешь, чтобы проект ехал. Это тоже очень сильно бесит.

Расскажи веселую историю с работы Их было много — вот такая вот жизнь в AI-консалтинге. Когда ехал внедрять ML на сортировку алмазов в АЛРОСА, представлял супер-завод как у Tesla. В реальности же обычная комната, приходишь, надеваешь белый халат и ждешь, пока принесут мешок алмазов, высыпят его на стол. А остальные придут с совочками, зачерпнут алмазов и отнесут к себе на столы сортировать. А на свиноферме перед входом нужно было полностью раздеться для обеззараживания. С заказчиком в таком тесном формате проекты раньше не обсуждал

Дашь совет «успешного успеха»? Не бояться рисковать. Брать задачи, которые немного страшно брать. Брать ответственность и фигачить. И тогда успех неминуем

P.S.: Канал в тг у нас тоже есть, @r77_ai, подписывайтесь😉

AI-хакатон для разных отраслей

Ребят, привет, это Влад Савин кофаундер R77 AI. Я с партнерами запускаю AI-портал (пока секретик, что там будет) через месяц и хотим на открытие провести онлайн-хакатон на его онлайн инфраструктуре.

Призовой фонд выделяем — 5 млн — все серьезно. Это на 5 или 10 команд.

Сейчас я ищу корпорации, у которых есть задачи на AI, и они хотели бы их решить с помощью хакатона из различных отраслей.

Наша задача: показать что в различных отраслях с помощью AI можно решать задачи.

Условия: - Все бесплатно; - Вы корпорация; - У вас есть задача для AI; - У вас есть материал, с которым можно работать — Датасет, набор документации или еще что-то, что мы будем обрабатывать.

Что получаете вы: - Решение вашей задачи (ну если у команд получится); - Мы пройдемся еще по СМИ вместе с вами; - Крутой движ.

Пишите мне до конца этой недели, буду рад: @savinvlad

Ребят, спасибо – мы собрали 171 буст!

вот напоминаю, откуда это https://t.me/r77_ai/312

Это прямо в раз 10 больше, чем нам надо было – очень приятна такая поддержка – она мотивирует нас продолжать делать контент)

Большинство поддержавших решили остаться инкогнито (напишите, если что я добавлю вас в пост @savinvlad), а вот герои, которых не будем скрывать:

Полина Белозёрова, эксперт в ИИ и автор проекта ОЗУБЕННО __

Ребята запускают мобильные приложения для ecom за месяц. В канале рассказывают про нюансы мобильного ритейла — https://t.me/cartiomobile __

Мы (Антон Горохов и Гена Фомин) сейчас активно занимаемся голосовыми агентами для колл-центров небольших сетей вет-клиник. Сайт наш fongstudio.ru, там про другое но что-то понять о нас можно! Так что если у вас есть вет-клиника - обращайтесь! @genfom __

Борис Крюк — CTO Strevio, руководитель первого мульти-агентного ИИ-проекта Engentica для правительства Гонконга, тимлид проектов для компаний из списка Fortune 500. Автор более 10 научных публикаций уровня Q1/Q2/Core A/Core B и создатель фреймворков Deep Workflow Orchestrator, Gradient Focal Transformer, ELENA, MorphBoost, POSEIDON. Студент Гонконгского университета науки и технологий (HKUST), спикер первого научного потока AI Journey. — https://kriukboris.com/ __

@denisova_ludmila Денисова Людмила, создаю бизнес игру про внедрение ИИ __

Катрин, дизайнер из Вышки 🎓 Делаю сайты, геткурсы, презы для онлайн-школ и экспертов EdTech — https://t.me/kateti_katrin001 __

О презентациях как инструменте коммуникации — https://t.me/effectiveprez __

@boringmarketer — канал основателя рекламного агентства про B2B маркетинг, управление и вайбкодинг от неразработчика) __

Крутые штатные QA/AQA, DevOps, Vue, Node для ваших проектов на аутстафф по хорошим ценам - пиши @dmingazov — iqdev.digital __

нерегулярно веду канал про инструменты лидгена для b2b, пишу о том как я разошелся с партнерами и в одного взращиваю агентство по лидгену для b2bшников — @zagitov_yaris __

НКБТех - компания физтехов, занимается разработкой систем с компьютерным зрением. Активно развивает Edge AI направление для автономных систем. Для связи писать СЕО - @alex_physic __

@cloudstrategist – Белорусский облачный айтишник, который укрощает железо и не даёт ему объедаться деньгами. 😁 __

🙂 funtech - для продактов и маркетологов про продуктовую геймификацию, метрики, эффективные механики и тренды. И, кстати, собрали самую большую библиотеку проектов с геймификацией в России __

Макс накидывает нестандартные мыслишки о жизни и иногда об айтишке. Без кружочков, спама и нейропостов __

Ваня руководит AI в CRM B2B Альфа-Банка и рассказывает об ИИ, продуктовом менеджменте, финтехе и карьере. Идёт серия постов о реальности внедрении ИИ в бигтехе.

Ребят, спасибо!

Пентагон перестал сотрудничать с Antropic

Последнее время нас все чаще начали звать в газеты и "телевизор" по вопросам ИИ. Причем зовут обсуждать как ИИ влияет на политику, законодательство и даже войны — нас самих это интересует, ведь в том числе от этого зависит куда ИИ будет развиваться.

Вот тут нас позвали на RTVI и наш head of AI Стас Округ высказался об Antpropic и разрыве отношений с пентагоном и наоборот о дружбе с Open AI.

Посмотрите, наше честное мнение: https://youtu.be/JfvwXXvZJX4?t=2018

Unlearning в рекомендательных системах — выложили запись вебинара!

К нам приходил Никита Зелинский хард спец с хард каналом https://t.me/datarascals директор по машинного обучения и исследования данных в MTS Web Services

обсудили: • постановку задачи unlearning и реальные кейсы (GDPR, DMCA, bot traffic, data poisoning) • почему удаление данных из логов не означает, что модель «забыла» пользователя • влияние коллаборативных связей и seq-паттернов в рекомендациях • как проверяют unlearning через Membership Inference Attack • почему полный retrain плохо работает в multi-stage recsys • основные подходы: subset retraining, embedding perturbation, shard-архитектуры и существующие benchmark’и

https://vkvideo.ru/video-228941334_456239064

https://youtu.be/5NThiIhSVnk

Рома Доронин — Наши ML инженеры все ещё конкуренты на мировом AI-рынке? И от детекции картинок к поиску лекарств

Смотрите новый подкаст с крутейшим Ромой Дорониным, вот его регалии: Founder EORA.ru (2016) co-founder&creator AIorNot.com (2024) co-founder Bioptic.io - Agentic AI для поиска новых лекарств и ускорения biotech индустрии

Ну и любимый нами канал @doronin_aiforfriends и он про историю AI/ML и людей, которые его делают

Обсудили бизнес и стартапы AI в медицине: — Наши ML инженеры все ещё конкуренты на мировом AI-рынке? — Почему детекция AI-контента (deepfake, синтетические изображения, клоны голосов) — это новая «гонка вооружений» — Можно ли обогнать Big Tech за счёт скорости, а не ресурсов — Как из поиска похожих картинок прийти к поиску похожих молекул — Почему разработка лекарства занимает 8 лет — и как ИИ может это радикально ускорить — Что происходит с клиническими испытаниями и где главный bottleneck — И что вообще сегодня значит строить AI-компанию вне Big Tech

https://youtu.be/fwhLw5-ByNo

https://vkvideo.ru/video-228941334_456239063

Ребят, потыкайте, что мы сделали для Альфы — справа внизу. Такой хелпер по API)

https://developers.alfabank.ru/

Дисквалифицировали из-за лицензии Ultralytics

Всем привет, на связи Руслан из R77 AI @dantetemplar.

В ноябре участвовал в Студенческом Хакатоне по компьютерному зрению от Роснефти. Формат - онлайн, 48 часов, сотни участников по России. Я занял 4ое место в лидерборде, но призовых не получил.

Задача и датасет были шикарными, ощущались как лаба по CV. По картам месторождений нужно было автоматически выделять контуры участков с разными схемами размещения скважин; Если честно я сам вообще не понял, как это размечать (попробуйте сами, картинки прилагаю к посту). То самое чувство, когда решил задачу ИИ, не понимая её сам. Отмечу отдельно репрезентабельное отношение между трейн-тестом: в трейне были изображения 640х640, на тесте 3000х3000, что усложняет инференс стадию, однако данные реально были соотносимыми, так что алгоритм в итоге дал 0.973 MAp Score.

Я собрал решение на YOLO-стеке и улучшил инференс «нарезкой» больших карт на куски - Sliced Aided Hyper Inference, но своими руками. Можно прогнать без нарезки, но на 3000×3000 будут результаты не очень, со специфическими "квадрантами" на маске сегментации.

А теперь поучительная история: меня дисквалифицировали из-за лицензии Ultralytics — она не подходит под свободное использование в коммерческих продуктах. Плюсом к этому качество кода Ultralytics и их политика это просто ужас. Всем советую не использовать ultralytics несмотря на его относительное удобство. Вместо этого можете использовать MIT библиотеку MultimediaTechLab/YOLO, возможно когда-нибудь я и сам сделаю свой YOLO-сборник, кто знает...

Кстати, я часто участвую в хакатонах с командой @one_zero_eight, может найдёте что-нибудь интересное.

Вчера в новой редакции договора на разработку ПО с крупным клиентом заметил два новых пункта, делюсь:

1️⃣ : в частности, указывать, что ПО/составные элементы ПО созданы с использованием искусственного интеллекта то есть теперь необходимо указывать, что и где было "навайбкожено"))

2️⃣: ПО работает корректно и защищено от «галлюцинаций» искусственного интеллекта (т.е. ответов, сгенерированных ИИ, представляющих собой (или содержащих) ложные или вводящие в заблуждение сведения, представляемые как факт). <...> В случае, если Заказчик понесет убытки от «галлюцинаций» Исполнитель обязуется возместить такие убытки.

Красиво, не правда ли? )))

RPA, масштабирование через скрипты, масштабирование персонализации с Альфой через 5 минут

Подключайтесь пока, а мы стартанем в 16-00! Без смс, vpn и регистрации — https://www.twitch.tv/r77_ai

Задавайте вопросы под этим постом и на твиче)

UPD ЗАКОНЧИЛОСЬ)

Агенты нерабочая история — не всегда готовы принять качество LLM. Выход - RPA с LLM...

При масштабировании надо использовать скрипты...

Рост производительности не на 1 человека, а на единицу контента - масштабирование персонализации...

Вот такие страшные штуки завтра обсудим онлайн у нас на канале с ребятами из Альфа Head of AI Products Иваном Александровым и у руководителя группы продуктов Ксенией Рязанцевой.

18 февраля, среда, 16-00, у нас в канале. Тут можете добавить в календарик https://calendar.app.google/oMinHTef3kbSm98V7

"Unlearning в рекомендашках" вебинар прямо сейчас

Без смс, vpn и регистрации — https://www.twitch.tv/r77_ai

Задавайте вопросы под этим постом)

UPD Закончили — скоро выложим на ютубе)

Unlearning в рекомендашках завтра

Ребята, завтра в 18 поговорим на вебинаре с Никитой Зелинским директором по машинному обучению и исследованию данных в MTS Web Services про рекомендательные системы, а точнее про:

Unlearning в рекомендашках — постараемся вместе разобраться о чем речь, куда удалось продвинуться и почему до нашей индустрии это пока не докатилось.

Подпишитесь кстати на его канал — очень крутой, там про жесткий DS в корпах @datarascals

Ссылка на трансляцию будет у нас в канале, а напоминалку можете добавить в календарь: https://calendar.app.google/7rrdX5SmZgeXcqdRA

Валерий Бабушкин — OpenClaw, Moltbook и почему деньги всё ещё в ML

В этом выпуске подкаста поговорили с мощнейшним Валерием Бабушкиным про:

— что такое OpenClaw и зачем вообще нужны автономные агенты — эксперимент с Moltbook и системами, которые могут работать неделями без постоянного контроля — GPT-5.2, Codex, Claude Opus и Gemini — где какая модель реально удобнее — синтетических пользователей и ограничения такого подхода — почему большинство ML-пилотов не доходят до продакшена — и почему деньги до сих пор в классическом ML, а не только в LLM

Залетайте: Ютуб ВК

Почему мы не используем MCP в наших проектах

Привет, это Руслан Бельков расскажу почему мы почти не используем популярный и казалось бы удобный MCP у нас на проектах.

Model Context Protocol — это стандарт для подключения AI-инструментов (клиентов) к сторонним системам (mcp серверам), реализован он на базе JSON-RPC. Он содержит в себе доступные инструменты для использования LLMкой, вместе с инструкцией как этим всем пользоваться. Например, можно к Cursor подключить гугл-таблицы.

То есть, до тех пор пока система заказчика (сайт или телеграм бот или что-то подобное) не является AI-инструментом по типу Claude Code, Cursor, OpenClaw и т.д. — мы не попадаем под основной юзкейс MCP, на стороне клиента просто нет LLM, которой нужно скармливать MCP инструкции. Более того, мы можем обернуть практически любую REST API в MCP-формат когда нам понадобится примерно за один промпт. Также REST API более устоявшийся, имеет стандартизованную схему OpenAPI с генерацией клиентов во всех-всех возможных вариациях, понятен всем.

в общем пока для нас старое доброе REST API более подходящая история.