Gall deallusrwydd artiffisial ragweld llawer o bethau eisoes. Ni fydd ble yr awn a'r hyn a wnawn nesaf yn cael ei guddio rhagddo ychwaith.
Fel y gallwn ddysgu o'r cyhoeddiad ar Fai 31 gwaith gwyddonol, mae ymchwil gan Brifysgol Carnegie Mellon, Google AI a Phrifysgol Stanford wedi gwirio hynny Mae systemau dysgu dwfn yn gallu rhagweld ein gweithredoedd. Sut mae hyn yn bosibl?
Rhagfynegi llwybr symud ac ymddygiad
Gyda datblygiad algorithmau a thechnolegau, mae systemau'n gallu dadansoddi mwy a mwy o wybodaeth, gan gynnwys o ddeunyddiau fideo. Gall hyn fod yn ddefnyddiol, er enghraifft, mewn cymwysiadau sy'n helpu rhagfynegi ymddygiad cerddwyr ac osgoi damweiniau. O'r safbwynt hwn, mae'n hynod bwysig rhagweld llwybr cerddwyr yn y dyfodol, a elwir yn rhagfynegiad llwybr/taflwybr person y dyfodol.
ffynhonnell: youtube.com
Wrth i ni ddysgu o'r gwaith gwyddonol, yn gyntaf yw'r person yn y deunydd fideo wedi'i godio â nodweddion gweledol cyfoethog, sy'n ein galluogi i ddal ymddygiad dynol a rhyngweithiadau â'u hamgylchedd.
Yna maent yn cael eu hychwanegu tasgau ategol rhagfynegi lleoliad gweithgareddau i hwyluso'r broses hyfforddi ar y cyd.
Y model canlyniadol a ddangosodd y gwyddonwyr effeithiolrwydd yr ateb hwn ar feincnod fideo poblogaidd a diweddar ar raddfa fawr. Yn ogystal, dangoswyd yn feintiol ac yn ansoddol y model nesaf yn rhagweld camau gweithredu arwyddocaol yn y dyfodol yn llwyddiannus.
ffynhonnell: youtube.com
Felly mae'r dadansoddiad o weithgareddau cerddwyr a'r defnydd o swyddogaethau gwybodaeth gyfoethog yn galluogi systemau addysgu i ragfynegi camau gweithredu yn y dyfodol a'u lleoliadau.
Modelu ymddygiad a llwybrau gweithredu
Mae profion a gynhaliwyd gan wyddonwyr yn profi bod y dull hwn nid yn unig yn gallu dyfalu llwybr symud yn y dyfodol, ond hefyd yn cynhyrchu rhagolwg sylweddol o weithgaredd yn y dyfodol. Mae'r canlyniad yn darparu'r dystiolaeth empirig gyntaf bod Mae modelu llwybrau a chamau gweithredu ar y cyd o fudd i ragfynegiadau llwybrau yn y dyfodol.
Defnydd o dechnoleg
Mae hyn eisoes yn cael ei ystyried yn elfen allweddol wrth ddeall cynnwys fideo. Gall y ffordd hon o edrych ar wybodaeth weledol o'r gorffennol, fel y dywed gwyddonwyr, helpu i ragweld gweithredoedd yn y dyfodol. mewn llawer o gymwysiadau a ddefnyddir, er enghraifft, mewn ceir awtonomaidd neu roboteg.
Beth sy'n fwy, gall cefnogi diogelwch y cyhoedd, monitro traffig a'i reoli trwy ganfod gweithgaredd fideo ffrydio yn awtomatig.
Agweddau moesegol yr ateb hwn
Mae'r posibilrwydd o gynyddu diogelwch ar y ffyrdd a datrys y broblem o geir ymreolaethol i raddau yn swnio'n hynod o addawol. yn optimistaidd. Yn anffodus, mae gan yr ateb ei anfanteision hefyd. ochrau tywyll.
Gall astudiaethau o'r math hwn yn y dyfodol ar ragfynegiad llwybr a gweithgaredd godi materion moesegol yn ymwneud â preifatrwydd a diogelwch. Nid yw'r dull hwn wedi'i brofi eto ar gyfer gwahanol boblogaethau, ac fel y gwyddom, gall pobl ymddwyn yn wahanol mewn gwahanol sefyllfaoedd, felly dylai rhagfynegi eu gweithgaredd hefyd gael ei addasu i boblogaethau unigol a'u penodoldeb.
Siaradwch â ni am AI
Ymunwch â'r grŵp "AI Business" ar Facebook
Rydym yn argymell e-lyfr am AI
AI mewn Marchnata - Sut i Gynyddu Gwerthiant ac Ymgysylltu â Chwsmeriaid?
Y Prawf Turing: A yw AI Eisoes yn Fwy Deallus Na Bodau Dynol?