Mākslīgais intelekts jau var paredzēt daudzas lietas. No tā netiks slēpts arī tas, kurp dosimies un ko darīsim tālāk.
Kā varam uzzināt no 31. maija publikācijas zinātniskais darbsKārnegija Melona universitātes, Google AI un Stenfordas universitātes pētījumi to ir apstiprinājuši Dziļās mācīšanās sistēmas spēj paredzēt mūsu darbības. Kā tas ir iespējams?
Kustības ceļa un uzvedības prognozēšana
Attīstoties algoritmiem un tehnoloģijām, sistēmas spēj analizēt arvien vairāk informācijas, arī no video materiāliem. Tas var būt noderīgi, piemēram, lietojumprogrammās, kas palīdz prognozēt gājēju uzvedību un izvairīties no negadījumiem. No šīs perspektīvas ir ārkārtīgi svarīgi paredzēt gājēju turpmāko ceļu, ko sauc par nākotnes personas ceļa/trajektorijas prognozēšanu.
avots: youtube.com
Kā mēs mācāmies no zinātniskā darba, vispirms ir persona, kas atrodas video materiālā kodēts ar bagātīgām vizuālām funkcijām, kas ļauj tvert cilvēku uzvedību un mijiedarbību ar apkārtējo vidi.
Tad tie tiek pievienoti palīguzdevumi aktivitāšu vietas prognozēšana, lai atvieglotu kopīgu apmācību procesu.
Iegūto modeli zinātnieki parādīja šī risinājuma efektivitāti gan populārā, gan nesenā liela mēroga video etalonā. Turklāt kvantitatīvi un kvalitatīvi tika parādīts, ka nākamais modelis veiksmīgi prognozē nozīmīgas turpmākās darbības.
avots: youtube.com
Tāpēc gājēju darbību analīze un bagātīgu informācijas funkciju izmantošana ļauj mācību sistēmas, lai paredzētu turpmākās darbības un to atrašanās vietas.
Uzvedības un rīcības ceļu modelēšana
Zinātnieku veiktie testi pierāda, ka šī metode spēj ne tikai uzminēt turpmāko kustības ceļu, bet arī radīt būtisku nākotnes aktivitātes prognozi. Rezultāts sniedz pirmos empīriskos pierādījumus, ka Kopīga ceļu un darbību modelēšana dod labumu nākotnes ceļa prognozēm.
Tehnoloģiju izmantošana
Tas jau tiek uzskatīts par galveno elementu video satura izpratnē. Šāds veids, kā aplūkot pagātnes vizuālo informāciju, kā saka zinātnieki, var palīdzēt paredzēt turpmākās darbības. daudzās lietojumprogrammās, ko izmanto, piemēram, autonomās automašīnās vai robotikā.
Vēl vairāk, tā var atbalstīt sabiedrisko drošību, satiksmes uzraudzību un pārvaldīt to, automātiski nosakot straumēšanas video aktivitātes.
Šī risinājuma ētiskie aspekti
Izredzes palielināt ceļu satiksmes drošību un zināmā mērā atrisināt autonomo automašīnu problēmu izklausās neticami daudzsološi. optimistiski. Diemžēl risinājumam ir arī savi trūkumi. tumšās puses.
Turpmākie šāda veida pētījumi par ceļa un aktivitātes prognozēšanu var radīt ētiskas problēmas saistībā ar privātumu un drošību. Šī metode vēl nav pārbaudīta dažādām populācijām, un, kā zināms, cilvēki dažādās situācijās var uzvesties atšķirīgi, tāpēc arī to aktivitātes prognozēšana ir jāpielāgo atsevišķām populācijām un to specifikai.
Runājiet ar mums par AI
Pievienojieties grupai "AI Business" Facebook
Iesakām e-grāmatu par mākslīgo intelektu
AI mārketingā — kā palielināt pārdošanas apjomu un klientu iesaisti?
Tjūringa tests: vai AI jau ir inteliģentāks par cilvēkiem?