Tekoäly voi jo ennustaa monia asioita. Minne menemme ja mitä teemme seuraavaksi, se ei myöskään jää piiloon siltä.
Kuten voimme oppia julkaisusta 31. toukokuuta tieteellinen työ, Carnegie Mellon Universityn, Google AI ja Stanford Universityn tutkimukset ovat vahvistaneet tämän Syväoppimisjärjestelmät pystyvät ennustamaan toimintaamme. Miten tämä on mahdollista?
Liikkeen ja käyttäytymisen ennustaminen
Algoritmien ja teknologioiden kehittyessä järjestelmät pystyvät analysoimaan yhä enemmän tietoa, myös videomateriaalista. Tästä voi olla apua esimerkiksi sovelluksissa, jotka auttavat ennustaa jalankulkijoiden käyttäytymistä ja välttää onnettomuuksia. Tästä näkökulmasta on erittäin tärkeää ennustaa jalankulkijoiden tulevaisuuden polku, jota kutsutaan tulevan henkilön polun/polun ennusteeksi.
lähde: youtube.com
Kuten tieteellisestä työstä opimme, ensin on videomateriaalin henkilö koodattu monipuolisilla visuaalisilla ominaisuuksilla, joiden avulla voimme vangita ihmisten käyttäytymistä ja vuorovaikutusta ympäristönsä kanssa.
Sitten ne lisätään aputehtävät toimintojen sijainnin ennustaminen yhteisen koulutusprosessin helpottamiseksi.
Tuloksena oleva malli tiedemiehet osoittivat tämän ratkaisun tehokkuudesta sekä suositulla että äskettäisellä laajamittaisella videovertailulla. Lisäksi osoitettiin kvantitatiivisesti ja laadullisesti, että seuraava malli ennustaa menestyksekkäästi merkittäviä tulevia toimia.
lähde: youtube.com
Jalankulkijoiden toiminnan analysointi ja monipuolisten tietotoimintojen käyttö mahdollistavat siten opetusjärjestelmiä ennustamaan tulevia toimia ja niiden sijaintia.
Käyttäytymisen ja toimintapolkujen mallintaminen
Tiedemiesten suorittamat testit osoittavat, että tämä menetelmä ei pysty vain arvaamaan tulevaa liikerataa, vaan myös tuottamaan merkittävän ennusteen tulevasta toiminnasta. Tulos tarjoaa ensimmäisen empiirisen todisteen siitä Polkujen ja toimien yhteinen mallinnus hyödyttää tulevaisuuden polkuennusteita.
Tekniikan käyttö
Tätä pidetään jo keskeisenä tekijänä videosisällön ymmärtämisessä. Tämä tapa tarkastella visuaalista tietoa menneisyydestä, kuten tutkijat sanovat, voi auttaa ennustamaan tulevia toimia. monissa sovelluksissa, joita käytetään esimerkiksi autonomisissa autoissa tai robotiikassa.
Mikä parasta, se voi tukea yleistä turvallisuutta, liikenteen seuranta ja hallitse sitä tunnistamalla automaattisesti suoratoistovideotoiminnan.
Tämän ratkaisun eettiset näkökohdat
Mahdollisuus lisätä liikenneturvallisuutta ja ratkaista itseohjautuvien autojen ongelma jossain määrin kuulostaa uskomattoman lupaavalta. optimistisesti. Valitettavasti ratkaisulla on myös huonot puolensa. pimeät puolet.
Tämän tyyppiset tulevat tutkimukset polun ja aktiivisuuden ennustamisesta voivat herättää eettisiä kysymyksiä yksityisyyttä ja turvallisuutta. Tätä menetelmää ei ole vielä testattu eri populaatioille, ja kuten tiedämme, ihmiset voivat käyttäytyä eri tilanteissa eri tavalla, joten heidän aktiivisuutensa ennustamista tulee myös mukauttaa yksittäisiin populaatioihin ja niiden spesifisyyteen.
Puhu meille tekoälystä
Liity "AI Business" -ryhmään Facebookissa
Suosittelemme tekoälyä käsittelevää e-kirjaa
Tekoäly markkinoinnissa – Kuinka lisätä myyntiä ja asiakkaiden sitoutumista?
Turingin testi: Onko tekoäly jo älykkäämpi kuin ihmiset?