Kunstig intelligens kan allerede forudsige mange ting. Hvor vi skal hen, og hvad vi skal gøre, vil heller ikke blive skjult for det.
Som vi kan lære af udgivelsen den 31. maj videnskabeligt arbejde, forskning fra Carnegie Mellon University, Google AI og Stanford University har bekræftet det Deep learning-systemer er i stand til at forudsige vores handlinger. Hvordan er dette muligt?
Forudsigelse af bevægelsesvej og adfærd
Med udviklingen af algoritmer og teknologier er systemer i stand til at analysere mere og mere information, herunder fra videomaterialer. Dette kan være nyttigt, for eksempel i applikationer, der hjælper forudsige fodgængeres adfærd og undgå ulykker. Fra dette perspektiv er det ekstremt vigtigt at forudsige fodgængeres fremtidige vej, kaldet fremtidig personsti/bane forudsigelse.
kilde: youtube.com
Som vi lærer af det videnskabelige arbejde, er først personen i videomaterialet kodet med rige visuelle funktioner, som giver os mulighed for at fange menneskelig adfærd og interaktioner med deres omgivelser.
Så tilsættes de hjælpeopgaver forudsige placeringen af aktiviteter for at lette den fælles træningsproces.
Den resulterende model viste forskerne effektiviteten af denne løsning på både en populær og nyere storstilet videobenchmark. Derudover blev det vist kvantitativt og kvalitativt, at den næste model forudsiger med succes væsentlige fremtidige handlinger.
kilde: youtube.com
Analysen af fodgængeraktiviteter og brugen af rige informationsfunktioner muliggør derfor undervisningssystemer til at forudsige fremtidige handlinger og deres placeringer.
Modellering af adfærd og handlingsveje
Test udført af forskere beviser, at denne metode ikke kun er i stand til at gætte den fremtidige bevægelsesvej, men også producere en betydelig prognose for fremtidig aktivitet. Resultatet giver det første empiriske bevis på det Fælles modellering af stier og handlinger gavner fremtidige vejforudsigelser.
Brug af teknologi
Dette betragtes allerede som et nøgleelement i forståelsen af videoindhold. Denne måde at se på visuel information fra fortiden, som videnskabsmænd siger, kan hjælpe med at forudsige fremtidige handlinger. i mange applikationer brugt for eksempel i autonome biler eller robotter.
Hvad mere er, det kan det støtte den offentlige sikkerhed, trafikovervågning og administrer det ved automatisk at registrere streaming videoaktivitet.
Etiske aspekter af denne løsning
Udsigten til at øge trafiksikkerheden og løse problemet med autonome biler til en vis grad lyder utroligt lovende. optimistisk. Desværre har løsningen også sine ulemper. mørke sider.
Fremtidige undersøgelser af denne type om vej- og aktivitetsforudsigelse kan rejse etiske spørgsmål vedr privatliv og sikkerhed. Denne metode er endnu ikke testet for forskellige populationer, og som vi ved, kan mennesker opføre sig forskelligt i forskellige situationer, så forudsigelse af deres aktivitet bør også tilpasses individuelle populationer og deres specificitet.
Tal med os om AI
Tilmeld dig gruppen "AI Business" på Facebook
Vi anbefaler en e-bog om AI
AI i markedsføring – Hvordan øges salget og kundeengagementet?
Turing-testen: Er AI allerede mere intelligent end mennesker?