В Министерстве обороны России запущена новая платформа, предназначенная для разработчиков беспилотных технологий.
Этот сервис предоставляет возможность доступа к объективным данным о применении дронов, что позволяет эффективно обучать военные нейросети. По информации из пресс-службы ведомства, к платформе уже подключены свыше 40 организаций.
Разработчики получили доступ к специализированному цифровому архиву, содержащему видеоматериалы с результатами эксплуатации FPV-дронов, а также других видов беспилотных аппаратов — коптеров и самолетов, — уточнили представители Минобороны. Для удобства обработки и анализа данных создан «единый стандартизированный классификатор распознавания данных», предназначенный для машинного обучения искусственного интеллекта.
Информацию, полученную в ходе работы над беспилотными системами, разработчики загружают обратно в сервис, где данные проходят проверку на полноту и соответствие установленному формату классификатора. Это обеспечивает возможность их эффективного использования при обучении нейросетей, пояснили в Министерстве обороны. Кроме того, ведомство отметило, что платформа имеет высокий уровень защиты, реализованный с помощью современных криптографических технологий и методов аутентификации.
Платформа предусматривает интеграцию с системами анализа больших данных и позволяет проводить моделирование различных сценариев применения беспилотников в боевых условиях. Это значительно повышает качество подготовки нейросетей и способствует созданию более адаптивных и надежных систем управления беспилотными аппаратами. В перспективе планируется расширение функционала сервиса и подключение новых участников, что позволит ускорить развитие военных технологий и повысить уровень безопасности.
Сервис оснащён встроенными инструментами для оценки качества обученных моделей. Это позволяет быстро определять эффективность и вносить корректировки в алгоритмы без необходимости повторной загрузки данных. Такой подход ускоряет цикл разработки и внедрения новых нейросетевых решений.
В процессе обучения модуль обратной связи собирает данные о точности предсказаний и выявляет возможные ошибки. Эта информация поступает в систему для автоматического улучшения модели или для пользовательского вмешательства, расширяя контроль над процессом обучения на каждом этапе.
