Продолжить академическую карьеру или перейти в индустрию? Возможны варианты

Многие выпускники оказываются перед выбором: оставаться в рамках академической карьеры или же попробовать себя в прикладной сфере. Наша выпускница Валерия Карпова поделилась своим опытом

1) Почему возник интерес / как вышло, что Вы устроились в НейродатаЛаб?

С детства я мечтала стать ученым-исследователем, за время обучения в ВШЭ и МГУ мне доводилось работать в научных лабораториях, заниматься распознаванием эмоций и процессом принятия решения. Под руководством Шестаковой А.Н. и Ключарева В.А. я выполняла курсовую работу, связанную с социальной стигматизацией экономических преступников и процессом принятия честного и нечестного решения. В Neurodata Lab тогда искали научных сотрудников и заинтересовались моим опытом исследований, связанных с обманом и кооперацией в поведенческих экономических играх (в моем случае это была Investment Game). Поэтому в Neurodata Lab я стала заниматься проектом, в котором мы изучали, как физиологические показатели человека изменяются в моменты лжи, и как проанализировать это с помощью видео. Это сильно отличалось от академической науки: здесь был сразу виден результат моих исследований, их прикладной потенциал.

2) Есть ли что-то общее у технологий компьютерного зрения для распознавания эмоций и того, как люди распознают эмоции в повседневной жизни?

В каком-то смысле, да. Когда ребенок растет и видит выражения, связанные с переживанием эмоций (в т.ч. движения лицевых мышц), то его родители объясняют ему, что это за эмоции. С помощью таких объяснений, он учится опознавать их все лучше и лучше, и когда вырастает, то уже самостоятельно может распознавать эмоции людей вокруг. Нейросеть учится примерно так же: ей показывают сотни тысяч различных картинок или видео с определенным эмоциональным выражением и присваивают название этой категории. Дальше нейросеть сама находит некие закономерности между тем, что она видит, и правильным ответом (“ground truth”). В дальнейшем именно с помощью этих закономерностей она будет отличать один эмоциональный класс от другого, когда будет анализировать незнакомые для себя данные. Для того чтобы обучить такую эмоциональную нейросеть, как те, что создали в Neurodata Lab, огромное количество аннотаторов должны были разметить каждое изображение, то есть присвоить название эмоции. Но одних только выражений лица недостаточно: одна и та же конфигурация лицевых мышц может быть связана с несколькими эмоциями, а одна и та же эмоция может экспрессироваться разными способами, даже у одного и того же человека в зависимости от ситуации. Поэтому наши нейросети учитывают еще и жесты, положение тела и контекст.

3) Для чего используются эти технологии в прикладном аспекте? В России или за рубежом?

Такие технологии очень востребованы в сегменте B2B - как в России, так и за рубежом. Они могут применяться в ритейле, онлайн-образовании, рекламной индустрии, digital-out-of-home, автопроме, робототехнике, телемедицине, collaboration software, фитнесе, wellness и других индустриях — словом, везде, где бизнесу важно эмоциональное и физиологическое состояние клиента, его уровень удовлетворенности, внимания, стресса.

4) Те знания или навыки, которые Вы получили на программе, помогли ли Вам в работе?

Как я и сказала ранее, безусловно да. Именно моя работа в магистратуре повлияла на мой текущий проект. Очень пригодились навыки анализа и визуализации данных в R, которые я освоила на программе.

5) Какие еще когнитивные технологии используются и разрабатываются в НейродатаЛаб?

Помимо эмоционального искусственного интеллекта, с которого Neurodata Lab началась, и алгоритмов для бесконтактного распознавания физиологических показателей человека, в компании существуют и базовые технологии, на которые надстраиваются все остальные. Например, это технология, распознающая присутствие людей в кадре, идентификатор пола и возраста, детектор движений и так далее. Сейчас активно разрабатывается софтовый айтрекер, который позволит отслеживать движения глаз по обычной вебкамере, и алгоритмы распознавания вариабельности пульса и кровяного давления. Помимо этого, разные наши алгоритмы можно комбинировать в разных продуктах, адаптированных под определенные кейсы и запросы клиентов.

Например, сейчас я разрабатываю инструмент, который позволит полиграфологам проводить беседы с респондентами бесконтактным способом (по видео). Процедура проверки на полиграфе используется во многих российских компаниях при найме на работу, а также при рутинных беседах с сотрудниками на некоторых должностях. С помощью нашего инструмента, hr-служба компании сможет отказаться от контактных датчиков и проводить эту процедуру гораздо быстрее, а для испытуемых процесс станет психологически комфортнее. В этот продукт интегрированы наши технологии для бесконтактного распознавания пульса, дыхания и эмоций.