Опубликовано: 06.06.2026 | Источник: The Verge (IT)

AI-устройства в дипломе: как превратить тренд в защищаемый проект

Гаджет Poetry Camera — камера, которая вместо фото печатает стихи, сгенерированные ИИ — стал символом нового этапа в интерфейсах человек-машина. Он не просто распознаёт сцену, а интерпретирует её через поэтический фильтр, используя модели компьютерного зрения и генерации текста. Это не игрушка: за его «лоу-фай» дизайном скрывается сложная архитектура — от edge-обработки до интеграции с облачными API. Для студентов IT-специальностей такой кейс — готовая площадка для ВКР: он затрагивает проектирование embedded-систем, работу с ИИ, UX и метрики качества генерации. Особенно важно, что устройство разочаровывает — это сигнал: хороший ИИ — не только в технологии, но и в архитектуре взаимодействия, оценке результата, пользовательском контексте. Игнорировать такие тренды — значит рисковать создать работу, устаревшую ещё до защиты.

Темы ВКР на основе Poetry Camera

1. Система генерации поэзии на основе анализа визуального контекста

• Актуальность: Рост интереса к мультимодальным ИИ (видео → текст, изображение → стихи). Статья показывает, что пользователи ожидают не просто вывода, а осмысленной связи между входом и выходом.
• Цель: Разработка архитектуры, преобразующей изображение в поэтический текст с контролем качества.
• Задачи:
  • Анализ существующих мультимодальных моделей (CLIP, BLIP, Flamingo)
  • Проектирование конвейера: детекция объектов → описание сцены → генерация стиха
  • Реализация прототипа с использованием Hugging Face или LLaVA
  • Оценка качества по метрикам BLEU, ROUGE и экспертному опросу
• Структура:
  • Глава 1 — Анализ архитектур ИИ-генерации и требований к UX
  • Глава 2 — Проектирование pipeline и выбор стека (PyTorch, FastAPI, ONNX)
  • Глава 3 — Тестирование на реальных сценах и экономика внедрения (сравнение с SaaS-решениями)

2. Оценка качества ИИ-генерации в embedded-устройствах

• Актуальность: Как в статье — пользователь "разочарован", хотя технически всё работает. Значит, нужны метрики, выходящие за рамки точности.
• Цель: Разработка методики оценки "поэтического качества" на основе ISO/IEC 25010 и пользовательского восприятия.
• Задачи:
  • Анализ компонентов качества ПО: функциональная пригодность, удобство использования
  • Формализация критериев: эмоциональный отклик, оригинальность, связь с контекстом
  • Разработка анкеты для пользовательского тестирования
  • Сравнение с классическими метриками (Perplexity, BERTScore)
• Структура:
  • Глава 1 — Стандарты качества ПО (ГОСТ Р ИСО/МЭК 25000, ISO/IEC 25010)
  • Глава 2 — Проектирование методики оценки и инструментария (Python + Streamlit)
  • Глава 3 — Проведение тестов и анализ результатов

3. Архитектура edge-устройства с ИИ-выводом на термопринтер

• Актуальность: Poetry Camera — физическое устройство. Это повод изучить embedded-архитектуры с ИИ-нагрузкой.
• Цель: Создание архитектуры автономного устройства с камерой, ИИ-моделью и печатью результата.
• Задачи:
  • Выбор SoC (Raspberry Pi, Jetson Nano, ESP32)
  • Оптимизация модели под edge (квантование, pruning)
  • Интеграция с термопринтером (протоколы UART, ESC/POS)
  • Расчёт энергопотребления и времени отклика
• Структура:
  • Глава 1 — Обзор embedded-систем с ИИ и требования к автономности
  • Глава 2 — Проектирование архитектуры (блок-схема, диаграмма компонентов)
  • Глава 3 — Тестирование производительности и оценка TCO

Аналитическая глава: как использовать кейс в теории

Во введении и первой главе диплома кейс Poetry Camera — идеальный пример "технологии без цели". Он позволяет:

• Провести сравнительный анализ подходов: почему печать стихов вместо фото — UX-провал, несмотря на техническую реализуемость.
• Обосновать выбор архитектуры: например, почему локальная обработка (edge) предпочтительнее облачной — из-за задержек и приватности.
• Сформулировать требования к ИИ: не просто "сгенерировать текст", а "сгенерировать осмысленный, связанный с контекстом, эмоционально резонирующий".

Пример таблицы для сравнения решений:

Ссылка на стандарт: при оценке архитектуры используйте ГОСТ 34.602-89 — он требует анализа альтернативных решений и обоснования выбора.

Проектная часть: схемы, интеграция, алгоритмы

Во второй главе вы можете предложить альтернативную архитектуру — не просто "камера → ИИ → принтер", а систему с обратной связью и адаптацией.

Пример архитектуры (блок-схема в тексте)

[Камера] → [Предобработка (OpenCV)] → [CLIP-модель] → [Промпт для LLM]
                                      ↓
[База стилей] → [LLM (Llama 3, Mistral)] → [Фильтр качества] → [Термопринтер]
                                      ↑
                          [Пользовательский профиль (на SD-карте)]

Ключевые моменты:

• Используйте OpenTelemetry для трассировки запроса: от снимка до печати.
• Примените CI/CD-пайплайны для автоматического тестирования моделей (например, через GitHub Actions).
• Для описания интерфейсов — OpenAPI 3.0, даже если это embedded-устройство.

Тестирование и метрики: как измерить "поэтичность"

Третья глава — не только про производительность. Для Poetry Camera важно:

• Функциональные метрики: время генерации, точность распознавания объектов (mAP), ошибка печати (ESC/POS).
• Качество ИИ: BLEU, ROUGE, BERTScore — но они не отражают "поэтичность".
• UX-метрики: NPS, время реакции пользователя, процент "неожиданных" результатов.

Пример расчёта:

# Оценка задержки (RTO)
RTO = время_обработки + время_печати
# Цель: < 2 секунды для edge-устройства

Используйте ISO/IEC 25010 как основу для шкалы оценки: например, "удобство использования" = 3.2/5 по опросу 20 пользователей.

Чему вы научитесь

Работа над таким проектом даёт реальные навыки:

• Проектирование мультимодальных ИИ-систем с edge-обработкой.
• Обоснование выбора стека: не "я люблю Python", а "PyTorch позволяет квантовать модель под Jetson Nano".
• Использование стандартов: ГОСТ, ISO, OpenAPI — не как формальность, а как инструмент анализа.
• Оформление технической документации: диаграммы компонентов, спецификации API, отчёты о тестировании.
• Работа с метриками, выходящими за рамки "работает / не работает".

FAQ: Ответы на частые вопросы

Насколько сложно реализовать такой проект?
Уровень — средний. Основная сложность — интеграция ИИ и hardware. Но можно начать с веб-прототипа (камера → сервер → печать).

Обязательно ли писать код в дипломе?
Да, особенно если вы на IT-специальности. Достаточно 500–1000 строк на Python/Go с комментариями. Главное — архитектура и обоснование.

Как правильно оформить UML-диаграммы?
Используйте стандарт UML 2.5. Диаграмма компонентов должна отражать взаимодействие модулей. Инструменты: draw.io, PlantUML, StarUML.

Где брать тестовые данные?
Для ИИ: COCO, LAION. Для UX: опросы через Google Forms, пилотные тесты на 10–20 пользователях. Укажите метод сбора в методологии.

Источник: This charming gadget writes bad AI poetry (опубликовано 2026-04-17)