Kje je bila posneta ta slika? Računalniki so bili človeku nekoč v slabšem položaju, ker so lahko uporabili kontekst in pomnilnik za sklepanje o lokaciji slike. Toda ti dnevi se lahko bližajo koncu. Kot poroča Julie Morgenstern za MIT Technology Review, lahko nova nevronska mreža, ki jo je razvil Google, skoraj vsakič prekaša človeka - tudi s fotografijami, posnetimi v zaprtih prostorih.
Sorodne vsebine
- Koliko pisateljev komedije potrebuje, da pomagajo AI povedati smešnejšo šalo?
Imenuje se PlaNet in s pikami fotografije določa, kje je bila posneta. Da bi usposobili nevronsko mrežo, so raziskovalci razdelili Zemljo v tisoče geografskih "celic", nato pa v omrežje vnesli več kot 100 milijonov geografskih slik. Nekatere slike so bile uporabljene za poučevanje omrežja, da ugotovi, kje slika pade na mrežo celic, druge pa za potrditev začetnih slik.
Potem so se stvari začele resno: Raziskovalci so vložili še 2, 3 milijona slik z oznakami in omrežje preizkusili. PlaNet je ugotovil, kje so 3, 6 odstotka sprejeli z "natančnostjo na ulici", nadaljnjih 10, 1 odstotka na ravni mesta, 28, 4 odstotka na ravni države in 48 odstotkov na celini. Čeprav ni popoln, je to precej dobro za računalnik.
Nazadnje so raziskovalci postavili svojo mrežo do končnega preizkusa. Nagovarjali so ga proti ljudem, da bi videli, kako uspešen je v primerjavi z njihovimi najboljšimi poskusi uganiti lokacijo. 56 odstotkov časa je PlaNet ugibal bolje kot ljudje - in njegova napačna ugibanja so bila le mediana, približno 702 milj oddaljena od dejanske lokacije slik. V nasprotju s tem so bila napačna ugibanja ljudi, ki so bila oddaljena več kot 1400 milj.
Če vas vse to spominja na zlobni sistem Terminatorja Skynet, ki je bil zasnovan tako, da je poiskal vojaško opremo, preden se je zaznal in uničil vse človeštvo, niste sami. Primerjava je že narejena - in glede na nadčloveške veščine omrežij, je precej primerna. No, razen čutečega, hudobnega dela.
Raziskovalci mislijo, da bodo nevronske mreže nekega dne vgrajene v stvari, kot so mobilni telefoni, da bi opravili vedno bolj zapletene analize in se celo učili drug drugega. Toda danes se zdijo samoorganizirajoči sistemi zadovoljni s tem, da ugotovijo, kje se fotografirajo, in ustvarjajo trojno, galerijsko vredno umetnost ... za zdaj.
