✉️ Подъехал наш дайджест новостей из мира ИИ за последние две недели

🔵«Яндекс» внедрил ИИ в звонки. Теперь в «Яндекс Мессенджере» доступны функции расшифровки и конспектирования звонков на основе ИИ.

🔵Amazon будет закупать у атомных электростанций 1,92 ГВт энергии для питания части облака AWS и ИИ-серверов.

🔵Disney и Universal подали в суд на Midjourney за использование работ, защищенных авторским правом, для обучения ИИ.

🔵Google запустила сервис Weather Lab для прогноза циклонов на основе ИИ. Также компания тестирует Audio Overviews — аудиообзоры для поисковых запросов.

🔵 Футбол внедряет ИИ. В мадридском «Реале» теперь работает специалист по нейросетям — он предсказывает травмы ещё до того, как они случаются.

🔵Биоинженерный зуб «вырастает» на месте и выглядит и ощущается как настоящий: ученые разработали инновационный имплантат, который «врастает» в десну и срастается с существующими нервами, имитируя настоящий зуб.

🔵ИИ учится говорить с дельфинами. Новая модель от Google может стать первым шагом к настоящему межвидовому общению. Прикрепили видео об этом :)

📌Новости команды zool

⭐️ Провели выходные на корпоративной конференции Summer Conf от Programming Store! Мы не только с интересом послушали доклады коллег, но и сами выступили в роли спикеров — поделились опытом, обсудили тренды и просто отлично провели время в кругу единомышленников.

⭐️Уже завтра — наша собственная конференция по искусственному интеллекту! Совсем скоро в этом канале начнём обсуждать доклады, делиться инсайтами и впечатлениями. Если ещё не успели зарегистрироваться — ссылка для участия.

#дайджест_zool

Зул выходит на международный рынок! 🌐

К нам обратились клиенты из Европы. У них остро стоит вопрос с безопасностью в гостиницах и общественных местах — особенно важно распознавать огнестрельное оружие. При этом система не должна реагировать на охрану и полицию — человека в форме с оружием нужно считать «своим».

Они нашли нас, посмотрели, как работает Зул — и решили сотрудничать. Мы договорились о дистрибуции zool в их регионе и других странах, где это может быть актуально.

Что мы уже сделали:
✔️ Полностью перевели сервис на английский (все тексты, кнопки, сценарии);
✔️ Подготовили отдельный стенд для дистрибьюторов;
✔️ Настроили систему под их задачи;
✔️ Провели полное обучение по продукту, чтобы они могли сами презентовать и продавать его в будущем.

Теперь Зул готов покорять мир. Скоро будет распознавать оружие и записывать кружочки на английском. Let's go!

#новости_zool
#кейсы_zool

Всем привет! 👋

Сегодня у нас проходит конференция «Развитие компетенций ИИ в производственной компании. Практический опыт».

Присоединяйтесь к трансляции → https://pruffme.com/landing/u3935808/events-zool

👉 Этот пост вы можете использовать, чтобы задать вопросы спикерам!

🕒 Расписание спикеров (время по мск):

14:30–15:00 — Регистрация, кофе-брейк

15:00–15:20 — Стратегия цифровой трансформации промышленности: роль ИИ в будущем производства
Спикер: Рязапов Рамиль Ирфанович, Первый заместитель цифрового развития Удмуртской Республики

15:20–15:40 — Видеоаналитика для производственных компаний: как нейросети помогают сократить издержки бизнеса. Практический опыт. Необычные примеры применения ИИ-решений
Спикер: Иван Шамшурин, Руководитель продукта zool.ai, компания Programming Store

15:40–16:00 — Компьютерное зрение и искусственный интеллект в коллаборативных роботах
Спикер: Денис Логинов, Руководитель проекта, компания Сан Инжиниринг

16:00–16:10 — Перерыв

16:10–16:30 — Опыт разработки zool.ai: технологии, сложности и простые способы внедрения ИИ в бизнес
Спикер: Елена Русаева и Павел Улеев, Разработчики продукта zool.ai, компания Programming Store

16:30–16:50 — Как технологии ИИ способствуют повышению эффективности бизнеса: на практике
Спикер: Сергей Вологдин, ФГБОУ ВО «ИжГТУ имени М.Т. Калашникова».

16:50–17:10 — Как генеративные нейросети меняют маркетинговые процессы
Спикер: Сергей Люминарский, CEO компании krem.digital

17:10–17:20 — Ответы на вопросы, дискуссия

17:20–17:50 — Кофе-брейк

📩Пишите ваши вопросы в комментариях — спикеры ответят в ходе дискуссии!

⚡️Поделились опытом, как умное видеонаблюдение помогает увеличить продажи

В статье рассказали:

🔵как камеры показывают, где теряется выручка;
🔵как очереди и трафик влияют на продажи;
🔵что делать, если витрина есть, а продажи — нет;
🔵зачем AI нужен не только охране, но и маркетологу.

Читать статью → vc.ru/ai/2063924-videoanalitika-v-riteile

#статья_zool

🐄 Видеоаналитика посчитает коров на ферме

Всем привет! Я Александр — аналитик в zool.ai.
Хочу рассказать, как мы запускаем новый модуль для автоматического подсчёта крупного рогатого скота.

Система отслеживает перемещение коров по видеопотоку: считает, сколько животных вошло и вышло, сохраняет данные в базе и помогает оперативно контролировать поголовье — без лишней нагрузки на персонал.

📌 Как это работает?

Мы обучили zool распознавать коров в кадре с камер наблюдения — в проходах, на выгульных площадках, у ворот загона.
На камере задаются зоны интереса: например, ворота загона, а также направление входа.

→ Когда корова попадает в зону интереса, система считывает направление движения и фиксирует вход или выход.

Система считает прошедших коров и по окончанию подсчета сверяется с учетными данными. Если данные расходятся, то отправляет уведомление.

📌Для чего это?

— снижает нагрузку на персонал, особенно при большом поголовье.
— исключает человеческий фактор: ошибки при подсчёте (усталость, спешка, невнимательность), так и злоумышленные действия (например, кражи животных).

📌 Кому подходит?

Модуль распознавания и подсчёта скота подходит для животноводческих предприятий любого масштаба — от фермерских хозяйств до агрохолдингов.
Мы адаптируем систему под реальные условия: качество видео, расположение камер, планировку фермы. Работает с обычными IP-камерами.

Вот и всё! Мы за то, чтобы коровки не терялись🐮

📎 Если нужны подробности, напишите в личные сообщения канала.

#новости_zool

📣 Итак, у нас есть лидер по голосованию!
Вопрос про будущее продукта оказался самым популярным — отвечаю ✍️

Что мы делаем с zool и куда движемся?

1. Переводим zool в коробку. Мы активно работаем над офлайн-версией zool в коробочном формате. Это решение для тех, кто хочет развернуть систему внутри своей инфраструктуры — без интернета и облака.

2. Готовим мобильное приложение. Да-да, zool можно будет носить в кармане. Про это мы уже рассказывали → в этом посте.

3. Новые модули (что уже в работе):

🛡 Модуль «‎Перчатки»‎. На финише обучения. Детектирует наличие/отсутствие перчаток у сотрудников в кадре. Подробнее → рассказали здесь

📊 Подсчёт коров. Да, это тоже про видеоаналитику :) Модуль под сельхоззадачи: фиксируем, сколько животных в кадре, как они двигаются, кто отстал или ушёл за границы зоны. Подробнее рассказал мой коллега Александр → в посте

🔍 Модуль парковок. Определяет занятость, продолжительность стоянки, нарушения. Полезно для логистики и промзон. Детали — скоро расскажем.

📦 Геометрия изделий. На линии важно, чтобы всё было ровно. Модуль будет определять отклонения в форме — перекосы, кривизну, нарушение стандартов.

4. Индивидуальные сценарии. Мы также разрабатываем кастомные модули под задачи клиентов:

⏺правильность сборки;
⏺соблюдение маршрута перемещения;
⏺нестандартные объекты: станки, тележки, упаковка и многое другое.

В общем, год будет насыщенный: от коробки до приложения, от перчаток до геометрии изделий. Следите за обновлениями!

❓ Остались вопросы — пишите в комментарии, с радостью расскажу подробнее.

✉️ Подъехал наш дайджест новостей из мира ИИ за последние две недели

🔵Модель GigaChat MAX 2 сдала экзамен по стоматологии в Воронежском государственном медицинском университете. Модель справилась с заданиями наравне со студентами.

🔵Google добавила в «Документы», «Таблицы» и Gmail настраиваемых ИИ-ассистентов Gems. Компания также открыла доступ к генератору видео Veo 3 в 159 странах.

🔵Автопилот Tesla предотвратил лобовое столкновение — ИИ за секунду увернулся от машины, выехавшей на встречную полосу. Водитель остался жив.

🔵Бывшие разработчики Twitter представили мессенджер Bitchat, который работает без подключения к интернету. Сообщения передаются через Bluetooth и mesh-сети.

🔵Минцифры признало необходимость необходимость маркировки контента, созданного ИИ. Ведомство рассматривает варианты регулирования.

🔵Ученые австралийского Национального агентства CSIRO применили квантовое машинное обучение для производства полупроводников.

🔵Еврокомиссия отказалась откладывать вступление в силу норм закона об ИИ. Регламент вступит в силу, как и планировалось, несмотря на призывы к отсрочке.

🔵 Samsung выпускает домашнего робота Ballie. Устройство в форме шара передвигается по дому, анализирует данные с камеры и датчиков, понимает голосовые команды. Внутри — модель Gemini от Google Cloud: Ballie отвечает на вопросы, составляет расписания и напоминает о задачах.


📌 Новости команды:

⭐️ Совместно с академией «Цифра» и при поддержке Минцифры мы запустили курс в Ижевске по созданию бизнес-решений с ИИ. Участники соберут проект в портфолио, получат документ о квалификации, рекомендации от экспертов и помощь с трудоустройством. Подать заявку можно до 21 августа → записаться

#дайджест_zool

Мы тут немного посовещались… и решили: а почему бы не снять свой сериал?

Да, zool запускает собственный мини-сериал — про рабочие будни, офисные загадки и жизнь внутри команды разработки.

🔍 В первой серии — у Ивана пропал телефон.
Что случилось? Кто виноват? Смотрите в ролике.

👁 Подписаться

#сериал_zool

📣 В голосовании победили метрики — и это отличный повод в них разобраться. А на вопрос Константина тоже ответим (смотрите в комментариях к опросу выше).

Какие метрики вы используете, чтобы понимать, что продукт работает?

Если речь о модулях, то важно понимать: продукт zool работает на базе моделей компьютерного зрения. А значит, главный вопрос — насколько точно и стабильно эти модели справляются с задачами. Оцениваем мы это по метрикам. Вот как всё устроено 👇

📦 Сначала — сбор и подготовка данных.

Собираем датасет: кадры с нужными объектами — например, людьми, тележками, перчатками, коровами. Делим его на три части:

— Тренировочная выборка (70–80%) — здесь модель учится.
— Валидационная выборка (20–30%) — проверяем устойчивость и переобучение.
— Тестовая выборка — используем в конце, чтобы объективно оценить результат.

Выборки не должны пересекаться — кадры в них разные. Если точность низкая, датасет дополняем и модель дообучаем.

📊 Какие метрики смотрим после обучения:

Precision — насколько мало ложных срабатываний.
Recall — сколько объектов модель действительно находит.
F1-score — баланс между precision и recall.
IoU (intersection over union) — насколько точно модель попала в объект.
mAP (mean average precision) — средняя точность по классам.
mAP\@50 — точность при IoU ≥ 0.5.
mAP\@50–95 — точность при разных порогах перекрытия (от 0.5 до 0.95).
Confusion matrix — визуально показывает, где модель ошибается по классам.

🎨 Финальный этап: реальное видео.

Тестируем, как модель справляется в «живых» условиях: с углами, освещением, фоном. Если модель не справляется в каких-то сценариях, добавляем похожие кейсы в датасет и запускаем дообучение.

Важно: разрешение видео должно совпадать с тем, что было при обучении. Это сильно влияет на стабильность распознавания.

🧩Всё это позволяет нам быть уверенными, что модель не просто обучилась, а действительно работает.

Остались вопросы — пишите в комментарии, с радостью расскажу подробнее.

👁 Подписаться

Привет, я Александр — аналитик zool.ai. Расскажу, как наша система помогает контролировать транспорт и сотрудников на территории предприятий.

Итак, поехали!

→ Мы фиксируем все машины, которые заезжают и выезжают: легковые, грузовые, спецтехнику.

🔵Нейросети распознают номера даже при плохом освещении, грязных или повреждённых знаках с помощью сверточных моделей и OCR-алгоритмов, обученных на тысячах изображений. Они умеют читать номера с разных камер и под разными углами.

🔵Каждый номер вместе с типом транспорта и временем прохода сохраняется и передаётся в систему безопасности через API.

→ Также мы определям, как охрана проверяет машины на выезде. Сейчас мы обучаем нейросеть для нового проекта — по правилам охранник должен открыть задние двери и багажник.

🔵С помощью видеоаналитики фиксируем, были ли открыты задние двери и багажник, если осмотра машины не было, система это зафиксирует и передаст соответствующее уведомление.

📌Как это работает?

🔵Видео с камер идёт на сервер, где нейросеть анализирует кадры. Она определяет наличие машины в кадре, а затем выделяет номер и передает на анализ специальным алгоритмам. Те читают символы на номере и отдают обратно результат, учитывая плохое освещение.

🔵Вся информация с точным временем, номером и типом транспорта сохраняется и автоматически уходит в систему безопасности.

Мы настраиваем модели под каждый завод — учитываем расположение камер, особенности освещения и типы транспорта, чтобы минимизировать ошибки и не перегружать персонал.

📎 Если у вас остались вопросы — пишите в комментариях, обсудим.

👁 Подписаться

#новости_zool