Ko slišimo umetno inteligenco in strojno učenje, si predstavljamo računalnik, ki lahko razmišlja in se uči sam. Se pravi praktično kot človek.
Svet zaznavamo s kombinacijo več čutil, kot so vid, sluh in prepoznavanje govora. A stroji svet razlagajo s pomočjo podatkov, ki jih obdelujejo algoritmi. To pomeni, da ko stroj vidi fotografijo, jo prevede v nabor metapodatkov, ki jih uporabi za izvedbo naloge. In če zakomplicirate nalogo, tj. kje bo poleg slike tudi zvok, potem se AI začne izgubljati.
»Glavni problem tukaj je, kako lahko stroj uskladi te različne modalitete? Nam ljudem je enostavno. Vidimo avto, nato pa slišimo zvok avtomobila, ki vozi mimo, in vemo, da je to isto. Toda za strojno učenje ni vse tako preprosto", — je dejal Oleksandr Liu, podiplomski študent Laboratorija za računalništvo in umetno inteligenco (CSAIL) in prvi avtor prispevka, posvečenega tej težavi.
Liu in njegovi kolegi so razvili metodo umetne inteligence, ki se nauči predstavljati podatke na način, ki zajema koncepte, ki so skupni vizualnim in zvočnim modalitetam. Njihova metoda se lahko na primer nauči, da je otrokov jok v videu povezan z besedo "jok" v zvočnem posnetku. Z uporabo tega znanja lahko njihov model strojnega učenja določi, kje se v videu pojavi določeno dejanje, in ga opazi.
Ta metoda bo morda nekega dne uporabljena za pomoč robotom pri spoznavanju konceptov v svetu skozi zaznavanje, bolj podobno kot ljudje. Model ima še vedno nekaj omejitev, ki jih znanstveniki upajo, da bodo obravnavali v prihodnjem delu. Doslej so se njihove raziskave osredotočale na podatke iz dveh modalitet hkrati, v resničnem svetu pa se ljudje hkrati soočajo s številnimi tokovi podatkov, ki jih obdelujejo brez razmišljanja. Tega se morajo stroji šele naučiti.
Lahko pomagate Ukrajini v boju proti ruskim okupatorjem. Najboljši način za to je donacija sredstev oboroženim silam Ukrajine prek Savelife ali preko uradne strani NBU.
Preberite tudi: