Якщо показати будь-кому якийсь знімок, людина легко опише, що на ньому зображено. Машини донедавна такого робити не могли. Але завдяки зусиллям науковців Microsoft та Університету Карнегі-Меллон комп’ютери навчилися розглядати фотографії так, як це робить людина.
Щоб навчити електронні системи аналізувати зображення, фахівці використали технології комп’ютерного бачення, глибокого навчання та розуміння мов. Завдяки цьому машини не лише змогли бачити об’єкти на фото та їхнє відношення один до одного, а й відповідати на поставлені питання. Розробники кажуть, що це досягнення є важливим на шляху створення штучного інтелекту та сервісів-помічників, які надають поради в реальному часі.
Машини з такими здібностями до аналізу зображення можна використовувати в найрізноманітніших завданнях. Наприклад, вони можуть працювати в системі попередження для велосипедистів. Зчитуючи дані із змонтованої на рулі відеокамери, подібне рішення стежитиме за можливими перешкодами на шляху. При можливому зіткненні комп’ютер попередить про це велосипедиста та запропонує йому оптимальні дії.
Щоб машини змогли побачити зображення так, як це робить людина, їм потрібно декілька етапів. Наприклад, комп’ютеру можна показати таке зображення та запитати, що знаходиться в кошику на велосипеді:
Спершу машина повинна дізнатися, які взагалі об’єкти присутні на фото: велосипед, кошик, собака. Далі вона повинна встановити взаємне положення речей на знімку. Після цього комп’ютер дасть правильну відповідь: собака.
Для людини виконати цей процес аналізу досить просто, але це значно складніше для машини. З глибокими нейронними мережами комп’ютерам вдається розуміти звичну мову та шукати відповідь на поставлене запитання. За словами розробників, це ще один крок на шляху до того, що комп’ютери розумітимуть складне оточення та природні мови.
За матеріалами: Microsoft Daily
