ხელოვნურ ინტელექტს უკვე ბევრი რამის პროგნოზირება შეუძლია. სად წავალთ და რას ვიზამთ, ამას არც დაუმალავს.
როგორც 31 მაისის გამოცემიდან ვიგებთ სამეცნიერო მუშაობაკარნეგი მელონის უნივერსიტეტის, Google AI-ს და სტენფორდის უნივერსიტეტის კვლევებმა ეს დაადასტურა ღრმა სწავლის სისტემებს შეუძლიათ ჩვენი ქმედებების პროგნოზირება. როგორ არის ეს შესაძლებელი?
მოძრაობის გზისა და ქცევის პროგნოზირება
ალგორითმებისა და ტექნოლოგიების შემუშავებით, სისტემებს შეუძლიათ უფრო და უფრო მეტი ინფორმაციის გაანალიზება, მათ შორის ვიდეო მასალებიდან. ეს შეიძლება იყოს გამოსადეგი, მაგალითად, აპლიკაციებში, რომლებიც ეხმარება იწინასწარმეტყველეთ ფეხით მოსიარულეთა ქცევა და თავიდან აიცილეთ უბედური შემთხვევები. ამ პერსპექტივიდან უაღრესად მნიშვნელოვანია ფეხით მოსიარულეთა მომავალი გზის პროგნოზირება, რომელსაც ეწოდება მომავალი ადამიანის გზა/ტრაექტორიის პროგნოზირება.
წყარო: youtube.com
როგორც სამეცნიერო ნაშრომიდან ვიგებთ, ვიდეო მასალაში პირველი ადამიანია კოდირებული მდიდარი ვიზუალური მახასიათებლებით, რაც საშუალებას გვაძლევს აღვიქვათ ადამიანის ქცევა და ურთიერთქმედება მათ გარემოსთან.
შემდეგ მათ ემატება დამხმარე ამოცანები ერთობლივი სასწავლო პროცესის გასაადვილებლად აქტივობების ადგილმდებარეობის პროგნოზირება.
შედეგად მიღებული მოდელი მეცნიერებმა აჩვენეს ამ გადაწყვეტის ეფექტურობა როგორც პოპულარულ, ისე უახლეს ფართომასშტაბიან ვიდეო ეტალონზე. გარდა ამისა, რაოდენობრივად და ხარისხობრივად აჩვენეს, რომ შემდეგი მოდელი წარმატებით პროგნოზირებს სამომავლო მნიშვნელოვან ქმედებებს.
წყარო: youtube.com
აქედან გამომდინარე, საცალფეხო აქტივობების ანალიზი და მდიდარი საინფორმაციო ფუნქციების გამოყენება იძლევა საშუალებას სწავლების სისტემები მომავალი ქმედებებისა და მათი ადგილმდებარეობის პროგნოზირებისთვის.
ქცევისა და მოქმედების გზების მოდელირება
მეცნიერთა მიერ ჩატარებული ტესტები ადასტურებს, რომ ამ მეთოდს შეუძლია არა მხოლოდ გამოიცნოს მოძრაობის მომავალი გზა, არამედ შექმნას მომავალი აქტივობის მნიშვნელოვანი პროგნოზი. შედეგი იძლევა პირველ ემპირიულ მტკიცებულებას, რომ ბილიკებისა და მოქმედებების ერთობლივი მოდელირება სარგებელს მოაქვს მომავალი ბილიკის პროგნოზირებისთვის.
ტექნოლოგიის გამოყენება
ეს უკვე განიხილება ვიდეო კონტენტის გაგების ძირითად ელემენტად. წარსულის ვიზუალური ინფორმაციის დათვალიერების ეს გზა, როგორც მეცნიერები ამბობენ, შეუძლია მომავალი მოქმედებების პროგნოზირებაში დაგეხმაროთ. ბევრ აპლიკაციაში გამოიყენება, მაგალითად, ავტონომიურ მანქანებში ან რობოტიკაში.
უფრო მეტიც, მას შეუძლია საზოგადოებრივი უსაფრთხოების მხარდაჭერა, მოძრაობის მონიტორინგი და მართეთ იგი ნაკადის ვიდეო აქტივობის ავტომატურად გამოვლენით.
ამ გადაწყვეტის ეთიკური ასპექტები
საგზაო უსაფრთხოების გაზრდისა და ავტონომიური მანქანების პრობლემის გარკვეულწილად მოგვარების პერსპექტივა წარმოუდგენლად პერსპექტიულად ჟღერს. ოპტიმისტურად. სამწუხაროდ, გამოსავალს ასევე აქვს თავისი ნაკლოვანებები. ბნელი მხარეები.
ამ ტიპის მომავალმა კვლევებმა ბილიკისა და აქტივობის პროგნოზირებაზე შეიძლება წამოჭრას ეთიკური საკითხები კონფიდენციალურობა და უსაფრთხოება. ეს მეთოდი ჯერ არ არის გამოცდილი სხვადასხვა პოპულაციისთვის და, როგორც ვიცით, ადამიანებს შეუძლიათ განსხვავებულად მოიქცნენ სხვადასხვა სიტუაციებში, ამიტომ მათი აქტივობის პროგნოზირება ასევე უნდა იყოს ადაპტირებული ცალკეულ პოპულაციებსა და მათ სპეციფიკაზე.
გვესაუბრეთ ხელოვნური ინტელექტის შესახებ
შემოუერთდით ფეისბუქზე "AI Business" ჯგუფს
ჩვენ გირჩევთ ელექტრონულ წიგნს ხელოვნური ინტელექტის შესახებ
AI მარკეტინგში – როგორ გავზარდოთ გაყიდვები და მომხმარებელთა ჩართულობა?
ტურინგის ტესტი: არის თუ არა ხელოვნური ინტელექტი უკვე უფრო ინტელექტუალური ვიდრე ადამიანები?