Keď počujeme umelú inteligenciu a strojové učenie, predstavíme si počítač, ktorý dokáže myslieť a učiť sa sám za seba. Teda prakticky ako človek.
Svet vnímame kombináciou viacerých zmyslov, ako je zrak, sluch a rozpoznávanie reči. Stroje však interpretujú svet pomocou údajov spracovaných algoritmami. To znamená, že keď stroj uvidí fotografiu, preloží ju do súboru metadát, ktoré použije na vykonanie úlohy. A ak úlohu skomplikujete, t.j. tam, kde bude okrem obrazu znieť aj zvuk, AI sa začne strácať.
„Hlavným problémom je, ako môže stroj zosúladiť tieto rôzne spôsoby? Pre nás ľudí je to jednoduché. Vidíme auto a potom počujeme zvuk idúceho auta a vieme, že je to to isté. Ale pre strojové učenie nie je všetko také jednoduché“, — povedal Oleksandr Liu, postgraduálny študent Laboratória počítačovej vedy a umelej inteligencie (CSAIL) a prvý autor článku venovaného tomuto problému.
Liu a jeho kolegovia vyvinuli metódu umelej inteligencie, ktorá sa učí reprezentovať údaje spôsobom, ktorý zachytáva koncepty, ktoré sú spoločné pre vizuálne a zvukové modality. Ich metóda sa môže napríklad naučiť, že akcia plaču dieťaťa vo videu súvisí so slovom „plač“ vo zvukovom klipe. Pomocou týchto znalostí môže ich model strojového učenia určiť, kde sa vo videu vyskytne určitá akcia, a rozpoznať ju.
Táto metóda môže jedného dňa pomôcť robotom dozvedieť sa o pojmoch vo svete prostredníctvom vnímania, skôr ako to robia ľudia. Model má stále určité obmedzenia, ktoré vedci dúfajú, že budú riešiť v budúcej práci. Ich výskum sa doteraz zameriaval na dáta z dvoch modalít súčasne, no v reálnom svete sú ľudia súčasne konfrontovaní s mnohými prúdmi dát, ktoré bez rozmýšľania spracúvajú. Stroje sa to ešte musia naučiť.
Môžete pomôcť Ukrajine v boji proti ruským útočníkom. Najlepším spôsobom, ako to urobiť, je darovať finančné prostriedky Ozbrojeným silám Ukrajiny prostredníctvom Zachrániť život alebo cez oficiálnu stránku NBU.
Prečítajte si tiež: