Prepoznavanje vzorca krila metulja. Vljudnost slike Li Li
Tu v Washingtonu smo slišali za to, čemur pravite "vnaprejšnje načrtovanje", vendar je še nismo pripravljeni sprejeti. Malo preveč futuristično.
Še vedno pa ne moremo od daleč občudovati tistih, ki poskušajo napovedati, kaj bi se lahko zgodilo več kot mesec dni. Tako sem bil navdušen pred nekaj tedni, ko so si veliki misleci v IBM-u zamislili svet pet let in ugotovili, za kaj verjamejo, da bo pet inovativnih področij, ki bodo najbolj vplivala na naše vsakdanje življenje.
To počnejo že nekaj let, tokrat pa so neokusni utripi sledili temi - petim človeškim čutom. Ne pravijo, da bomo do leta 2018 vsi lahko videli, slišali in vonjali bolje, temveč da bodo stroji - da bodo s pomočjo hitro razvijajočih se senzorskih in kognitivnih tehnologij računalniki pospešili svojo transformacijo iz iskanja podatkov in procesiranje motorjev v miselna orodja.
Vidite vzorec?
Danes se lotimo vizije. Logičen preskok je domnevati, da se IBM morda sklicuje na Googlov projekt Glass. Brez dvoma je, da je na novo določil vlogo očal, od geeky dodatkov, ki nam pomagajo bolje videti kombinirano pametno napravo / napravo za potapljanje podatkov, ki jo bomo nekega dne nosili na svojih obrazih.
Ampak o tem IBM-ovci ne govorijo. Osredotočeni so na strojni vid, natančneje prepoznavanje vzorcev, s katerim lahko računalniki s pomočjo večkratne izpostavljenosti slikam stvari prepoznajo.
Kot kaže, se je Google udeležil enega najpomembnejših lanskih poskusov prepoznavanja vzorcev, projekta, v katerem se je mreža 1.000 računalnikov, ki uporabljajo 16.000 procesorjev, po pregledu 10 milijonov slik iz YouTubovih videoposnetkov zmogla naučiti, kaj mačka je bila videti.
To je še posebej navdušilo to, da so računalniki to zmogli brez kakršnih koli človeških napotkov, kaj iskati. Vse učenje je potekalo s pomočjo skupnih strojev, da so se odločili, katere lastnosti mačk si zaslužijo njihovo pozornost in kateri vzorci so pomembni.
In to je model, kako se bodo stroji učili vida. Takole razlaga John Smith, višji vodja IBM-ovega inteligentnega upravljanja informacij:
»Recimo, da smo želeli računalnik naučiti, kako izgleda plaža. Začeli bi s prikazom računalniku veliko primerov prizorov na plaži. Računalnik bi te slike spremenil v različne značilnosti, kot so razporeditev barv, teksturni vzorci, informacije o robu ali informacije o gibanju v primeru videa. Nato bi se računalnik začel učiti, kako razlikovati prizore na plaži od drugih prizorov na podlagi teh različnih lastnosti. Na primer, izvedeli bi, da se pri prizorišču na plaži običajno najde določena razporeditev barv, v primerjavi z mestno pokrajino v središču mesta. "
Kako pameten je pameten?
Dobro zanje. Toda če se soočimo, je določanje plaže precej osnovna stvar za večino nas ljudi. Bi se lahko zavzeli za to, koliko mislečih strojev bodo lahko storili za nas?
Gary Marcus, profesor psihologije na newyorški univerzi, tako razmišlja. Na nedavnem spletnem mestu New Yorkerja je zaključil, da kljub temu, da je bil dosežen velik napredek pri tem, kar je postalo znano kot "poglobljeno učenje", imajo stroji še veliko časa, preden jih lahko štejejo za resnično inteligentne.
»Realno gledano je globoko učenje le del večjega izziva gradnje inteligentnih strojev. Takšnim tehnikam primanjkuje načinov, kako predstavljati vzročne zveze (na primer med boleznimi in njihovimi simptomi) in se bodo verjetno soočile z izzivi pri pridobivanju abstraktnih idej, kot so "sorodstvo" ali "enako". Nimajo očitnih načinov izvajanja logičnih sklepov in so še daleč od vključevanja abstraktnega znanja, kot so informacije o tem, kaj so predmeti, za kaj so namenjeni in kako se običajno uporabljajo. "
Ljudje v IBM-u nedvomno priznavajo toliko. Strojno učenje poteka v korakih, ne v skokih.
A verjamejo, da bo v petih letih poglobljeno učenje naredilo dovolj naprednih korakov, da bodo računalniki, na primer, začeli igrati veliko večjo vlogo pri medicinski diagnozi, da bi dejansko lahko postali boljši od zdravnikov, ko gre za odkrivanje tumorjev, krvnih strdkov ali obolelo tkivo na MRI, rentgenskih žarkih ali CT pregledih.
In to bi lahko v našem življenju zelo spremenilo.
Viditi je verjeti
Tu je več načinov, kako strojni vid vpliva na naše življenje:
- Napredek vaše najboljše roke: Tehnologija, razvita na Univerzi v Pittsburghu, uporablja prepoznavanje vzorcev, da paraplegikom omogoča, da z možgani nadzirajo robotsko roko.
- Vaša usta pravijo da, toda vaši možgani pravijo ne: Raziskovalci na Stanfordu so ugotovili, da bi jim algoritmi za prepoznavanje vzorcev na MRI pregledu možganov lahko pomagali ugotoviti, ali ima nekdo v resnici bolečine v spodnjem delu hrbta ali ga ponarejajo.
- Ko so vaši molji pripravljeni na svoje kratke posnetke: Romunski startup z imenom SkinVision je lani predstavil aplikacijo iPhone, ki ljudem omogoča fotografiranje molov na svoji koži in nato programsko opremo za prepoznavanje SkinVision prepoznajo vse nepravilnosti in opozorijo na stopnjo tveganja - brez ponujajo dejansko diagnozo. Naslednji korak je omogočiti ljudem, da slike kože pošljejo neposredno svojemu dermatologu.
- Ali imam dogovor za vas: Zdaj se razvija marketinška tehnologija, imenovana Facedeals. Deluje takole: ko vas kamera ob vhodu v trgovino prepozna, vam na pametni telefon pošljejo prilagojene ponudbe v trgovini. In ja, najprej bi se morali prijaviti.
- To pečat bi vedel kjer koli: računalniško podprt sistem za identifikacijo fotografij, ki uporablja prepoznavanje vzorcev, pomaga britanskim znanstvenikom slediti sivim pečatom, ki imajo na svojih plaščih edinstvene oznake.
Video bonus: Medtem ko smo na temo umetne inteligence, je tukaj roj robota, ki igra Beethovna, komplimenti znanstvenikov iz Georgia Tech. Stavim, da tega danes nisi pričakoval.
Več s Smithsonian.com
Bolj človeški umetni možgani
Kako se tehnologija bori proti terorizmu
