Rozpoznání vzoru motýlího křídla. Obrázek se svolením Li Li
Zde ve Washingtonu jsme slyšeli o této věci, kterou nazýváte „plánování předem“, ale ještě nejsme připraveni ji přijmout. Trochu příliš futuristické.
Stále si nemůžeme pomoci, ale obdivovat z dálky ty, kteří se pokoušejí předpovídat, co by se mohlo stát za více než měsíc. Takže jsem byl ohromen před několika týdny, když si velcí myslitelé v IBM představili svět pět let, a zjistili, o čem věří, že bude pět oblastí inovací, které budou mít největší dopad na náš každodenní život.
Už to dělají už několik let, ale tentokrát vyhýbavé výpary sledovaly téma - pět lidských smyslů. Ne, že říkají, že do roku 2018 budeme všichni schopni lépe vidět, slyšet a cítit, ale spíše to, že stroje - to, že pomocí rychle se vyvíjejících senzorických a kognitivních technologií, počítače zrychlí jejich transformaci ze získávání dat a zpracování motorů na myšlení nástroje.
Vidíte vzor?
Dnes se pojďme zabývat vizí. Je logickým skokem předpokládat, že by IBM mohla odkazovat na projektové sklo společnosti Google. Není pochyb o tom, že předefinovala roli brýlí, od podivínského příslušenství, které nám pomáhá lépe vidět combo zařízení pro chytré telefony / datové ponory, které se kdysi oblékneme do tváře.
O tom však IBMers nehovoří. Zaměřují se na strojové vidění, konkrétně rozpoznávání vzorů, díky kterému jsou počítače díky opakované expozici obrazům schopny věci identifikovat.
Jak se ukázalo, Google náhodou byl zapojen do jednoho z loňských pozoruhodnějších experimentů s rozpoznáváním vzorů, což je projekt, ve kterém síť 1 000 počítačů využívajících 16 000 procesorů byla po prozkoumání 10 milionů obrázků z videí na YouTube schopna se naučit, co kočka vypadala jako.
Zvláště působivé je to, že počítače to dokázaly udělat bez jakéhokoli lidského vedení ohledně toho, co hledat. Veškeré učení se provádělo prostřednictvím strojů, které společně pracovaly, aby rozhodly, které vlastnosti koček si zaslouží jejich pozornost a na jakých vzorcích záleží.
A to je model, jak se stroje naučí vizi. Zde vysvětluje John Smith, vedoucí manažer IBM Intelligent Information Management:
"Řekněme, že jsme chtěli naučit počítač, jak vypadá pláž." Začali bychom tím, že na počítači ukážeme mnoho příkladů plážových scén. Počítač by tyto obrázky změnil na odlišné funkce, jako jsou například distribuce barev, vzory textury, informace o hranách nebo informace o pohybu v případě videa. Poté by se počítač začal učit, jak rozlišit plážové scény od jiných scén na základě těchto různých funkcí. Například by se zjistilo, že pro plážovou scénu se obvykle vyskytují určité barevné distribuce ve srovnání s panoráma města. “
Jak inteligentní je inteligentní?
Dobré pro ně. Ale čelte tomu, identifikace pláže je pro většinu z nás lidí docela základní věc. Můžeme se nechat unést tím, kolik myslících strojů pro nás dokáže?
Gary Marcus, profesor psychologie na New York University, si to myslí. Nedávno píše na webu New Yorker a dochází k závěru, že i když bylo dosaženo velkého pokroku v oblasti, která se stala známou jako „hluboké učení“, stroje mají před sebou ještě dlouhou cestu, než budou považovány za skutečně inteligentní.
„Realisticky je hluboké učení pouze součástí velké výzvy při budování inteligentních strojů. Takové techniky postrádají způsoby, jak reprezentovat kauzální vztahy (například mezi nemocemi a jejich příznaky), a pravděpodobně budou čelit výzvám při získávání abstraktních myšlenek, jako je „sourozenec“ nebo „identický s.“ Nemají žádné zřejmé způsoby provádění logických závěrů a oni jsou také daleko od integrace abstraktních znalostí, jako jsou informace o tom, jaké objekty jsou, pro co jsou a jak se obvykle používají. “
Lidé v IBM by to nepochybně přiznali. Strojové učení přichází v krocích, ne skoky.
Domnívají se však, že do pěti let bude hluboké učení učiněno v dostatečném předstihu, aby například počítače začaly hrát mnohem větší roli v lékařské diagnóze, takže pokud jde o lokalizaci nádorů, krevních sraženin, mohly by být ve skutečnosti lepší než lékaři. nebo nemocná tkáň při MRI, rentgenových nebo CT skenech.
A to by mohlo změnit náš život.
Vidět znamená věřit
Zde je více způsobů, jak strojové vidění ovlivňuje naše životy:
- Posun vpřed: Technologie vyvinutá na University of Pittsburgh používá rozpoznávání vzorů, aby umožnila paraplegikům ovládat robotickou paži pomocí mozku.
- Vaše ústa říkají ano, ale váš mozek říká ne: Vědci ve Stanfordu zjistili, že použití algoritmů rozpoznávání vzorů na MRI skenech mozků by jim mohlo pomoci určit, zda někdo skutečně měl bolesti v dolní části zad nebo jestli to předstírá.
- Když jsou vaše krtci připraveni na jejich blízké záběry: V loňském roce spustil rumunský startup SkinVision aplikaci pro iPhone, která lidem umožňuje vyfotit krtky na jejich kůži a poté nechat rozpoznávací software SkinVision identifikovat jakékoli nesrovnalosti a poukázat na úroveň rizika - bez nabízí skutečnou diagnózu. Dalším krokem je umožnit lidem posílat obrázky své kůže přímo jejich dermatologovi.
- Mám dohodu pro vás: Nyní se vyvíjí marketingová technologie s názvem Facedeals. Funguje to takto: Jakmile vás kamera u vchodu do obchodu rozpozná, na chytrý telefon vám pošleme přizpůsobené obchody v obchodě. A ano, musíte se nejprve přihlásit.
- Věděl bych, že tuleň kdekoli: Počítačový systém foto-ID, který používá rozpoznávání vzorů, pomáhá britským vědcům sledovat šedé pečeti, které mají na svých pláštích jedinečné znaky.
Video bonus: Zatímco jsme na téma umělé inteligence, tady je robotický roj, který hraje Beethovena, komplimenty vědců z Georgia Tech. Vsadím se, že jste to dnes neočekávali.
Více od Smithsonian.com
Více lidského umělého mozku
Jak technologie bojuje proti terorismu
