August 1, 2021

Tietokonekuvien tunnistaminen vie valtavan harppauksen eteenpäin

Vuonna 2012 Toronton yliopiston (Kanada) tiimi yllätti maailman tietokonekuvien tunnistuskilpailussa: vain 15% virheistä ohjelmistoissaan 26% toisessa. Se oli uusi tekoälyn aalto, joka tunnetaan nimellä ”syvä oppiminen” tai syvä oppiminen, koska yhdistettyjen keinotekoisten hermosolujen verkostoon liittyvä ohjelma löytää oikeat “yhteydet” kouluttamalla miljoonia esimerkkejä.

Sitten aalto levisi peleihin (go, shakki, pokeri), autoihin (autonominen ajaminen), ääni (ääniavustajissa), tiede (muodostaa proteiineja) … Mutta, alkuaikojen tähdet, kuvissa seuraavat junat kulkivat eteenpäin , esityksillä, jotka tasaantuivat. Viime kuukausiin saakka.

“Minun on sanottava, etten ole ollut innoissaan tällä alueella kymmenen tai kaksikymmentä vuotta! “, kertoi Yann LeCun, Facebookin tieteellinen johtaja ja syvä oppiminen kolmenkymmenen vuoden ajan lehdistölle 30. kesäkuuta pidetyn kalifornian jättiläisen viimeisimmän tutkimuksen edistymisen aikana. “Se menee hyvin nopeasti. Kaksi vuotta sitten ei ollut mitään uutta ”, vahvistaa Sorbonnen yliopiston professori ja tutkija Valeossa Matthieu Cord.

Lue myös Kuinka syvä oppiminen mullistaa tekoälyn

Muutos liittyy useisiin innovaatioihin, jotka mahdollistavat ensimmäisten menetelmien virheiden korjaamisen. ”Varhaisen tekniikan onnistumisen avain on ns. Valvottu oppiminen. Toisin sanoen ohjelma oppii sen parametrit ihmisten huomauttamien tietojen ansiosta », täsmentää Jean Ponce, tietojenkäsittelytieteen professori Ecole normale supérieuressa. Kissan, koiran tai auton “tunnistamiseksi” näytetään tuhansia kuvia, joissa on merkintä “kissa”, “koira” tai “auto”, joka mukauttaa sen parametreja oikean vastauksen löytämiseksi. Sitten, jopa tuntemattomissa kuvissa, se antaa oikean vastauksen.

Itsevalvottu oppiminen

Suurin ongelma on, että tekniikka vaatii paljon kuvatekstejä. Lisäksi todellisten tilanteiden monimuotoisuus on sellainen, että sitä on mahdotonta edustaa pienillä käsillä validoiduilla tietokannoilla. “Autonomisten autojen näköjärjestelmien suorituskyky romahtaa, jos näytämme kuvia yöllä tai märistä koirista”, toteaa Matthieu Cord.

Sinulla on 66,3% tästä artikkelista. Loput on tarkoitettu vain tilaajille.

selaa tätä sivustoa