Монеты теперь может оценивать ИИ
Коллекционные монеты скоро могут получить нового помощника в виде искусственного интеллекта. Учёные из Сколтеха и Центрального университета России разработали метод компьютерного зрения, который способен автоматически оценивать состояние монет и определять их грейд. Это может решить одну из основных проблем нумизматики — субъективность человеческой оценки.
Исследование провели специалисты Сколтеха, входящего в группу ВЭБ.РФ, и Центрального университета при поддержке Русского нумизматического грейдингового агентства. Результаты были опубликованы в международных научных изданиях, включая ACM Journal on Computing and Cultural Heritage, а также в журналах Expert Systems With Applications и IEEE Transactions on Instrumentation and Measurement.
Сегодня оценка оригинальности и состояния коллекционных монет во многом зависит от экспертов. Они проверяют подлинность монеты, анализируют её сохранность, следы обращения и визуальные особенности, а затем присваивают ей соответствующий грейд по шкале Шелдона. Однако человеческая экспертиза требует высокой квалификации, а итоговая оценка в определённой степени остаётся субъективной.
Учёные отметили, что для рынка коллекционных и инвестиционных монет это особенно важно. Небольшая разница в состоянии двух внешне практически одинаковых экземпляров может существенно повлиять на их категорию и привлекательность для коллекционера или инвестора.
Попытки автоматизировать этот процесс предпринимались и раньше, но существующие алгоритмы часто хорошо справляются только с монетами одного конкретного типа. Исследователи из Сколтеха разработали двойную модель глубокого обучения и алгоритм, ориентированный на предметную область, чтобы преодолеть эти ограничения.
Алгоритм анализирует распределение вероятностей результатов двух моделей, используя знания предметной области и учитывая, что соседние классы в порядковой структуре имеют перекрывающиеся визуальные признаки. Это позволяет алгоритму учитывать последовательность категорий состояния и понимать взаимосвязь между ними.
Во втором исследовании научная группа сосредоточилась на оценке монет высшей категории. Здесь учёные применили визуально-языковую модель, которая должна имитировать часть реальной процедуры экспертной оценки. Одним из ключевых элементов стала возможность одновременно учитывать изображения обеих сторон монеты.
Для этого исследователи использовали кодировщик изображений с двумя входами. Такой принцип позволяет системе рассматривать монету не как отдельную фотографию одной стороны, а как единый объект, для которого важна совокупность визуальных признаков. Языковая часть модели также играет существенную роль. Некоторые характеристики состояния монеты легче сформулировать словами, чем выразить исключительно через изображение.
Поэтому исследователи добавили в систему подсказку об уровне оценки и обучили кодировщик текста. Полученные текстовые представления затем используются для вычисления косинусного сходства с объединёнными визуальными признаками. Благодаря этому модель получает дополнительный способ сопоставлять то, что она «видит» на фотографии, с описанием соответствующего уровня качества.
Третий этап работы был направлен на повышение эффективности разработанной системы. В новом исследовании учёные изменили основу графического кодировщика и использовали иерархический преобразователь. В результате точность оценивания выросла по сравнению с предыдущим этапом.
Сравнение с результатами предыдущих исследований показало, что предложенный группой из Сколтеха и Центрального университета подход превосходит существующие методы как по качественным, так и по количественным показателям.
Для нумизматического рынка это может иметь далеко идущие последствия. Если подобные технологии удастся довести до необходимой точности и сделать достаточно доступными с точки зрения вычислительных ресурсов, оценка монет сможет постепенно перейти от исключительно экспертной процедуры к комбинации профессионального заключения и объективного машинного анализа.
При этом речь не обязательно идёт о полном отказе от специалистов. Наоборот, наиболее реалистичным сценарием выглядит появление инструмента, который сможет стандартизировать часть работы эксперта, снизить влияние субъективного восприятия и помочь быстрее обрабатывать большое количество экземпляров.
