Kad mēs dzirdam mākslīgo intelektu un mašīnmācīšanos, mēs iedomājamies datoru, kas spēj domāt un mācīties pats. Tas ir, praktiski kā cilvēks.
Mēs uztveram pasauli, apvienojot vairākas sajūtas, piemēram, redzi, dzirdi un runas atpazīšanu. Bet mašīnas interpretē pasauli ar algoritmu apstrādātu datu palīdzību. Tas ir, kad iekārta redz fotoattēlu, tā pārvērš to metadatu kopā, ko tā izmanto uzdevuma veikšanai. Un, ja jūs sarežģījat uzdevumu, t.i., kur papildus attēlam būs skaņa, AI sāk pazust.
“Šeit galvenā problēma ir, kā mašīna var saskaņot šīs dažādās modalitātes? Mums, cilvēkiem, ir viegli. Mēs redzam automašīnu un tad dzirdam garām braucošas automašīnas skaņu, un mēs zinām, ka tas ir viens un tas pats. Bet mašīnmācībā viss nav tik vienkārši", — sacīja Oleksandrs Liu, Datorzinātņu un mākslīgā intelekta laboratorijas (CSAIL) maģistrants un pirmais šai problēmai veltītā raksta autors.
Liu un viņa kolēģi izstrādāja mākslīgā intelekta metodi, kas mācās attēlot datus tādā veidā, kas aptver koncepcijas, kas ir kopīgas vizuālajām un audio modalitātēm. Piemēram, viņu metode var uzzināt, ka bērna darbība, kas raud video, ir saistīta ar vārdu "raudāšana" audio klipā. Izmantojot šīs zināšanas, viņu mašīnmācīšanās modelis var noteikt, kur videoklipā notiek noteikta darbība, un pamanīt to.
Šo metodi kādu dienu var izmantot, lai palīdzētu robotiem ar uztveres palīdzību uzzināt par jēdzieniem pasaulē, vairāk līdzīgi kā cilvēkiem. Modelim joprojām ir daži ierobežojumi, kurus zinātnieki cer novērst turpmākajā darbā. Līdz šim viņu pētījumi ir vērsti uz datiem no divām modalitātēm vienlaikus, taču reālajā pasaulē cilvēki vienlaikus saskaras ar daudzām datu plūsmām, kuras viņi apstrādā bez domāšanas. Mašīnām tas vēl jāapgūst.
Jūs varat palīdzēt Ukrainai cīnīties pret krievu iebrucējiem. Labākais veids, kā to izdarīt, ir ziedot līdzekļus Ukrainas bruņotajiem spēkiem Savelife vai izmantojot oficiālo lapu NBU.
Lasi arī:
Atstāj atbildi