Ученые Сколтеха обучили нейросеть оценивать состояние коллекционных монет быстрее экспертов

Исследовательский коллектив, объединивший специалистов Сколковского института науки и технологий и Центрального университета, представил инновационную визуально-языковую модель искусственного интеллекта, предназначенную для автоматизированной экспертизы нумизматических материалов. В отличие от существующих решений, новая система способна обрабатывать обе стороны монеты одновременно, учитывая как графические особенности чеканки и рельефа, так и вербальные описания состояния экземпляра. По словам разработчиков, этот комплексный подход приближает алгоритм к работе человека-специалиста, но без присущей ему субъективности. ТАСС сообщает, что в основе метода лежит технология мультимодального обучения, где изображения и текстовые аннотации подаются в сеть совместно, что повышает точность итоговых суждений.

В настоящее время стандартом де-факто на рынке коллекционных монет остается 70-балльная шкала Шелдона, по которой сохранность и подлинность определяются вручную сертифицированными грейдерами. Однако ручная оценка нередко страдает от вариабельности: два эксперта могут по-разному классифицировать один и тот же экземпляр, особенно если различия минимальны. Именно эту проблему призвана решить новая нейросетевая платформа, предлагая единообразный и воспроизводимый подход к определению градации.

В ходе экспериментальных испытаний алгоритм продемонстрировал обнадеживающие показатели: точность совпадения с экспертным мнением составила около 59%, а в 92% случаев отклонение от грейда, назначенного человеком, не превышало одного-двух баллов. При этом разработчики подчеркивают, что их система заметно превосходит по результативности предыдущие версии моделей, построенных исключительно на классификации изображений без учета текстовых данных. Это подтверждает, что включение семантической информации о дефектах, потертостях и патине критически важно для тонкой диагностики.

Авторы проекта полагают, что дальнейшая доработка технологии — расширение обучающей выборки, калибровка на редких экземплярах и интеграция с базами данных подлинности — позволит вывести систему на уровень, сопоставимый с ведущими мировыми грейдинговыми компаниями.

В перспективе это упростит работу аукционных домов, страховых оценщиков и частных коллекционеров, снизив зависимость от дефицитных квалифицированных кадров. Однако до полной автоматизации процесса, по мнению ученых, еще предстоит решить ряд задач, связанных с учетом редкости монет, исторического контекста и сложных паттернов износа, которые пока остаются «слепой зоной» для искусственного интеллекта.