🍕 Вышла 2 серия «Зул в большом офисе»

Обычный рабочий день: команда заказала пиццу, курьер на месте — и вдруг двери не открываются.

Зул решил: без картошки — никто не войдёт.

Что дальше? Смотрите сами. Спойлер: всё закончилось мирно, но без компромиссов не обошлось.

👁 Подписаться

#сериал_zool

#Пятница Вспоминали факапы

Привет, с вами Павел — эксперт по AI. Расскажу, как мы три недели искали баг, которого ✨не было✨

Началось всё вполне обычно. Мы доработали функцию распознавания номеров: подкрутили алгоритм, поправили обработку изображений, выкатили на тестовый сервер.

Вроде всё работает. Но через пару дней стали замечать: запросы тормозят. Потом вообще перестали обрабатываться. Начали копать.

Код пересмотрели вдоль и поперёк. Подозревали сеть, базу, сторонние сервисы. Меняли подходы, переписывали куски логики, искали временные решения — три недели жизни ушло на попытки понять, что пошло не так. И ноль прогресса...😢

В какой-то момент, мы перезапустили сервер. И внезапно всё заработало...

Что произошло?

Оказалось, библиотека, которую мы используем для обработки изображений, сохраняет в памяти промежуточные данные и не особо спешит их освобождать. В нашем тестовом окружении — один инстанс без автоматических перезапусков и без мониторинга. Система постепенно забивалась кэшем, пока не начинала падать.

Так баг оказался не багом, а особенностью инфраструктуры.

С тех пор мы:
— добавили ручную очистку кэша после запросов;
— настроили мониторинг памяти даже на тесте;
— и просто закрепили правило: если кажется, что баг в логике — сначала проверь окружение.

Такие дела.

📌 Если нравится такой формат историй из жизни продукта — поставьте реакцию. Подумаем, стоит ли сделать из этого пятничную традицию.

❤️ — жду следующую пятницу!
👀 — любопытно, давайте
😄 — узнал(а) себя, больно, но смешно

💜 Пока все строят планы на неделю, один завод уже сэкономил.

Как? Рассказываем — теперь ещё и на страницах Mashnews.

Наш кейс о внедрении видеоаналитики с ИИ в производственный процесс вышел в промышленном издании. В нём мы рассказываем как с помощью нейросетей и компьютерного зрения:

— предсказываем в реальном времени возможные поломки,
— фиксируем время начала и окончания операций по заготовке и шпинделю,
— интегрируем систему с MES через HTTP-API.

🔗 Читать кейс → https://mashnews.ru/kejs-kak-sokratit-izderzhki-na-zavode-s-pomoshhyu-ii.html

#производство_zool
#кейсы_zool

✉️ Сегодня среда, а значит — время для нашего традиционного дайджеста новостей за две недели! #новостнаясреда

🔵OpenAI представили режим обучения. Нейросеть теперь умеет искать правильный ответ вместе с пользователем (видео прикрепили).

🔵Учёные из МФТИ и AIRI придумали метод 3DGraphLLM, который помогает языковым моделям работать с 3D-пространством.

🔵 Комиссия по ценным бумагам и биржам США создала ИИ-подразделение для повышения эффективности работы.

🔵Через 2 дня выйдет GPT-5 — новая нейросеть от OpenAI. Она объединит все функции в одном чате и сможет создавать игры, сайты и симуляции по простым запросам. Запуск — 7 августа.

🔵 ИИ-стартап xAI представил Grok Imagine для генерации изображений и видео

🔵В России планируют увеличить количество роботов-доставщиков с 150 до 2600 в 37 регионах, а также добавят новые требования к их эксплуатации.

🔵 В стране ввели отдельное воздушное пространство для дронов на высоте до 150 метров.

🔵 Google DeepMind анонсировали модель Gemini 2.5 Deep Think — она анализирует сразу несколько вариантов ответа для лучших результатов.

🔵 Apple создает команду для разработки приложения, похожего на ChatGPT, которое сможет искать ответы в интернете.

🔵 Крупные технологические компании США (Google, Amazon, Microsoft и др.) в 2025 году планируют вложить $155 млрд в развитие ИИ.

🔵 LG Innotek и американская компания Aeva начали сотрудничать для производства лидаров — датчиков для автопилотов и роботов.

🔵 По данным НИУ ВШЭ, ИИ в России будет совершенствоваться при любом сценарии развития ИТ-отрасли. Этому могут способствовать высокий уровень отечественных технологий и кадров.

🔵 Отчет Nature показывает, что ИИ становится полноценным соавтором в науке — помогает выдвигать гипотезы и решать сложные задачи.

📌Новости команды zool:

⭐️ Ищем специалиста технического сопровождения full-time в офис в Ижевске — ссылка на вакансию

⭐️Открыт набор на курс по созданию AI-бизнес-решений в Ижевске. До 21 августа можно подать заявку → записаться

На этом всё. Всем продуктивной недели! ✨

👁 Подписаться

#дайджест_zool

❇️ Всем привет! Это рубрика #вопросы, здесь публикуются обращения наших клиентов. А я Михаил, аналитик zool, отвечаю на них.

Каждый день получаю десятки вопросов: от интеграции с SCADA до обсуждений, как кот случайно попал в кадр вместо сотрудника.

Мы уверены: к каждому клиенту нужен свой подход. И отвечать на нестандартные вопросы так же важно, как и на самые серьёзные.

Сегодня расскажу вам про мой личный топ:

🥇 1 место
Инженер на встрече:

— Можно ли на базе zool.ai настроить автоматическое оповещение о критических отклонениях по SMS и в мессенджерах, чтобы оперативно реагировать без входа в систему?

— Да, можем настроить: в Telegram оповещения уже работают, WhatsApp и SMS сейчас тестируем в пилоте.

🥈 2 место
На встрече с руководителем производства:

— zool.ai будет работать, если у нас нет камер, а только датчики?

— Мы можем анализировать данные с датчиков, но основная специализация - видеоаналитика. Но для различных задач мы можем интегрироваться и с датчиками.

🥉 3 место
Из переписки в чате внедрения:

— Если я переименую станок в «Вася», вы будете писать в отчётах: «Вася снова сломался»?

— Да. И система будет к нему относиться так же внимательно, как и к любому другому станку.

🎖 Почётное упоминание
Как-то меня спросил менеджер после демо:

— Если система предсказывает поломки, она может подсказать, когда у меня сломается кофемашина?

— Может, но мы боимся, что это будет больная правда.

А вы кому бы отдали золото в рейтинге?

📱 — вопросу про SMS
📹 — вопросу про датчики
🤵 — конечно же про Васю
☕️ — вопросу про кофемашину

🧢 А это Глеб — специалист по данным zool.ai. Сегодня он покажет, чем занимается на работе.

Глеб тренирует модели для распознавания объектов, подбирает изображения для обучения и размечает на них то, что система должна находить. Проще говоря, он учит искусственный интеллект «смотреть» и «понимать» картинку.

С 8-го класса Глеб увлекается интеллектуальными играми: ездит на турниры, помогает организовывать студенческий чемпионат России, а в его копилке — золотая медаль по эрудит-квартету на Кубке Европы среди студентов.

До прихода в zool.ai несколько лет работал модератором на Sports.ru — следил за порядком и общался с активной аудиторией спортивного портала.

В свободное время играет в настольные ролевые и карточные игры, а вечером может выбрать хорошее кино — например, «Ещё по одной» с Миккельсеном.

#команда_zool

Внедрение zool.ai — от 7 500 ₽ на 30 дней 🚀

До 11 сентября можно подключить модули на месяц по специальной цене. Мы хотим протестировать систему на разных предприятиях и ищем тех, кто готов попробовать видеоналитику за символический ценник.

Что вы получите:

🔵Фиксация транспорта — контролируем въезд и выезд из зоны, определим госномера.
🔵Контроль персонала — контроль прихода и ухода, подсчёт рабочего времени, составим отчёт по каждому сотруднику.
🔵Фиксация входов/выходов — зафиксируем и отправим уведомление, если кто-то покинул рабочее место или вошёл в помещение.
🔵Обнаружение человека в кадре — отвечаем за безопасность, определим любого человека и не пропустим посторонних в зону.

Как это работает:

zool.ai подключается за несколько минут, работает через облако и совместим с любыми камерами. Система анализирует видео в реальном времени круглосуточно, находит нужные фрагменты за секунды и отправляет уведомления. Для запуска не нужны серверы или сложные настройки — достаточно RTSP-ссылки, и камеры начнут работать с расширенными возможностями в тот же день.

💬 Хотите попробовать видеоналитику с ИИ для задач вашего предприятия?

📎 Если нужны подробности, напишите в личные сообщения канала.

#новости_zool

Улыбнитесь — за вами следит Зул 🙂
Сегодня он на страже пятничного настроения.

Вышла 3-я серия «zool в большом офисе». Смотрим, улыбаемся и поддерживаем Лену ❤️

👁 Подписаться

#сериал_zool

Привет, я Александр, научный сотрудник в zool.ai 👀

Сейчас мы исследуем, какие нейросети и сервисы можно использовать для видеоаналитики.

〰️ Задачи:

1. Понять есть ли готовые решения, которые могут обрабатывать видео «из коробки».
2. Можно ли использовать их не как полноценные системы, а как инструмент для ускоренной подготовки датасетов (обучающих выборок для компьютерного зрения).

🫥 Какие решения мы изучили:

→ Большие языковые модели (БЯМ) с визуальными возможностями — ChatGPT (GPT-4 Vision), Google Gemini, Anthropic Claude. Они изначально созданы как текстовые модели, но умеют анализировать изображения, иногда — короткие видео.

→ Специализированные сервисы видеоаналитики — Google Cloud Video AI Suite, Amazon Rekognition, Microsoft Azure Video Indexer, Avigilon, Irisity, Genetec, Clarifai. Это промышленные решения для безопасности и мониторинга, изначально оптимизированные под потоковое видео.

Что умеют БЯМ:

ChatGPT (Vision API):
— может выступать как «второй уровень анализа»: например, YOLO находит объекты (машина, человек), а ChatGPT уточняет — открыт ли багажник, есть ли у работника каска или перчатки, какого цвета одежда.
— подходит для задач, где важен контекстный анализ, а не только детекция.
— ограничение: скорость. Обработка занимает секунду и более → использовать в реальном времени пока нельзя.

Google Gemini (Gemini Pro Vision):
— распознаёт текст, автомобильные номера, объекты на изображениях;
— имеет Live API для потоковой обработки;
— в тесте сгенерировал 39-страничный аналитический отчёт с таблицами и ссылками на источники — фактически может выполнять исследовательские задачи;

Claude Sonnet Vision:
— умеет автоматически размечать объекты (bounding boxes), что делает его полезным для подготовки датасетов для обучения YOLO и других моделей;
— силён в качественной аннотации данных, но не работает как полноценная система потокового видеоконтроля.

Что умеют специализированные сервисы:

Google Cloud Video AI Suite, Amazon Rekognition, Azure Video Indexer:
— поддерживают потоковую обработку видео в реальном времени;
— могут распознавать людей, лица, СИЗ, поведение;
— позволяют дообучать модели под собственные сценарии (AutoML, Custom Labels, Fine-tuning);
— хорошо интегрируются в корпоративные системы.

Avigilon, Irisity, Genetec, Clarifai:
— это уже «коробочные» решения для видеонаблюдения и безопасности;
— заточены под задачи охраны, мониторинга транспорта, производственной безопасности;
— акцент на стабильности и масштабируемости, а не на кастомной гибкости.

⬛️ Выводы

1. БЯМ (ChatGPT, Gemini, Claude) → полезны для:
• глубокого анализа объектов,
• автоматизированной разметки датасетов,
• текстовых задач (например, HR — сопоставление резюме и вакансий).

2. Специализированные сервисы → незаменимы там, где:
• нужно работать с видео в реальном времени,
• важна высокая точность и отказоустойчивость,
• требуется интеграция в системы безопасности.

3. На сегодня оптимальный вариант — гибридный подход:
• YOLO или другая CV-модель для первичного детекта объектов;
• ChatGPT/Gemini/Claude для «надстройки» и семантического анализа;
• спецсервисы (Google Cloud, Amazon, Azure) — для продуктовых задач в реальном времени.

🕰 Что дальше?

Мы планируем протестировать API с демо-доступом:

• ChatGPT,
• Gemini API,
• Google Cloud Video AI Suite,
• Amazon Rekognition,
• Azure AI Video Indexer.

Если у вас был опыт с такими сервисами — поделитесь, что получилось у вас. ⤵️

👁 Подписаться

#новости_zool

⚠️ zool учится обнаруживать опасные ситуации на предприятии

Привет! Я Александр, аналитик в zool.ai.
Сейчас мы работаем над модулем, который помогает вовремя заметить риски на производстве.

📌 Как это устроено?
В основе лежит технология pose estimation — алгоритм строит условный «скелет» человека по ключевым точкам: голова, плечи, локти, таз, колени. Дальше система анализирует:
— положение тела относительно пола,
— угол наклона корпуса,
— скорость изменения позы.

Если модель фиксирует резкое смещение центра тяжести и человек оказывается на полу — событие классифицируется как падение.

→ Чтобы сократить ложные срабатывания (например, если сотрудник присел или наклонился за инструментом), мы дообучаем алгоритм на реальных данных и задаём допустимые сценарии поведения.

📌 Что уже умеем определять:
— падение на ровной поверхности,
— поскальзывание на мокром полу,
— потерю сознания,
— длительное неподвижное состояние.

📌 Зачем это нужно?
— чтобы вовремя вызвать помощь,
— снизить последствия несчастных случаев,
— видеть статистику: где чаще всего происходят опасные ситуации и почему.

📌 Где полезно?
На заводах, стройке, складах, а также в медучреждениях.

→ Система работает с обычными IP-камерами, не требует спецоборудования и легко интегрируется в существующую инфраструктуру.

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

#новости_zool

Ответ к опросу выше ⬆️

В теории zool может даже посчитать вес животного, если оно встанет на весы перед камерой. 🙂

А вот какие модули мы уже успели сделать:

🟠 Подсчёт скота. zool считает, сколько животных вошло и вышло из загона.

🟠 Обнаружение парковки. Система видит свободные места и контролирует въезды/выезды.

🟠Обнаружение возгораний. Алгоритм фиксирует дым и пламя по видеопотоку и мгновенно отправляет сигнал.

🟠Учёт продукции на складе. Автоматически следит за количеством товара: сколько поступило, сколько ушло.

🟠 Тепловая карта магазина. Показывает, где покупатели задерживаются дольше всего. Помогает улучшить выкладку и повысить продажи.

🟠Обнаружение перчаток. zool проверяет, чтобы сотрудники были в перчатках на предприятии.

🟠 Обнаружение дефектов. Система находит трещины, сколы и другие повреждения на производственной линии.

→ Это только часть модулей. Конкретные истории внедрения ищите по тегу #кейсы_zool.

А какого решения сегодня больше всего не хватает в бизнесе?

#новости_zool

💬 Может ли zool работать без интернета и электричества?

На связи Михаил, аналитик продукта. В рубрике #вопросы отвечаем на популярные запросы клиентов.

📌 zool можно развернуть двумя способами:

🔵 В облаке — обработка идёт на наших мощностях. Мы отвечаем за стабильность: есть резервные сервера и запасные каналы связи. Если на нашей стороне что-то отключат, мы быстро переключаемся.
🔵 На сервере клиента — обработка идёт локально, и тогда всё зависит от его инфраструктуры: интернет, питание, работа камер.

📌 На практике это значит:
— без интернета видеопоток просто не попадёт в систему;
— без электричества камеры обесточены и ничего не снимают.

📌 Как избежать перебоев?
Лучший вариант — использовать резервное питание (UPS или генератор) и иметь запасной интернет-канал. Тогда zool будет работать стабильно и без сбоев.

#новости_zool

✉️ Сегодня среда, а значит — время для нашего традиционного дайджеста новостей за две недели! #новостнаясреда

Сегодня мы дадим несколько новостей, а вам нужно угадать: какие 2 из них настоящие, а какие — выдуманные?

🔵 Китай создал робота-антилопу для наблюдения за настоящими стадами в Тибете

🔵Разработчики в Японии протестировали беспилотное такси, которое подстраивается под настроение пассажира по выражению лица

🔵 В России начали тестировать систему видеоаналитики для подсчёта количества пустых тележек в торговых центрах

🔵Учёные из США вырастили мини-«мозг» из клеток, который умеет играть в видеоигру Pong

🔵Индийский стартап представил дрона, который может садиться на воду и ловить рыбу вместо рыболовов

🔵 В Германии открыли первый завод, где за сортировку мусора полностью отвечает искусственный интеллект без участия людей