Kunstig intelligens kan allerede forutsi mange ting. Hvor vi skal gå og hva vi skal gjøre videre vil heller ikke skjules for det.
Som vi kan lære av publikasjonen 31. mai vitenskapelig arbeid, forskning fra Carnegie Mellon University, Google AI og Stanford University har bekreftet det Dyplæringssystemer er i stand til å forutsi handlingene våre. Hvordan er dette mulig?
Forutsi bevegelsesvei og atferd
Med utviklingen av algoritmer og teknologier er systemene i stand til å analysere mer og mer informasjon, inkludert fra videomateriale. Dette kan være nyttig, for eksempel i applikasjoner som hjelper forutsi fotgjengeradferd og unngå ulykker. Fra dette perspektivet er det ekstremt viktig å forutsi fremtidens vei for fotgjengere, kalt fremtidig personbane/baneprediksjon.
kilde: youtube.com
Som vi lærer av det vitenskapelige arbeidet, er først personen i videomaterialet kodet med rike visuelle funksjoner, som lar oss fange menneskelig atferd og interaksjoner med deres omgivelser.
Deretter legges de til hjelpeoppgaver forutsi plasseringen av aktiviteter for å lette den felles opplæringsprosessen.
Den resulterende modellen viste forskerne effektiviteten til denne løsningen på både en populær og nyere storskala videobenchmark. I tillegg ble det vist kvantitativt og kvalitativt at neste modell forutsi betydelige fremtidige handlinger.
kilde: youtube.com
Analysen av fotgjengeraktiviteter og bruk av rike informasjonsfunksjoner muliggjør derfor undervisningssystemer for å forutsi fremtidige handlinger og deres plassering.
Modellering av atferd og handlingsveier
Tester utført av forskere beviser at denne metoden ikke bare er i stand til å gjette den fremtidige bevegelsesbanen, men også produsere en betydelig prognose for fremtidig aktivitet. Resultatet gir det første empiriske beviset på det Felles modellering av veier og handlinger gagner fremtidige veispådommer.
Bruk av teknologi
Dette anses allerede som et nøkkelelement for å forstå videoinnhold. Denne måten å se på visuell informasjon fra fortiden, som forskere sier, kan bidra til å forutsi fremtidige handlinger. i mange applikasjoner brukt, for eksempel i autonome biler eller robotikk.
Dessuten kan det støtte offentlig sikkerhet, trafikkovervåking og administrere den ved automatisk å oppdage streaming av videoaktivitet.
Etiske aspekter ved denne løsningen
Utsiktene til å øke trafikksikkerheten og løse problemet med autonome biler høres til en viss grad utrolig lovende ut. optimistisk. Dessverre har løsningen også sine ulemper. mørke sider.
Fremtidige studier av denne typen på sti- og aktivitetsprediksjon kan reise etiske spørsmål vedr personvern og sikkerhet. Denne metoden er ennå ikke testet for ulike populasjoner, og som vi vet kan mennesker oppføre seg forskjellig i ulike situasjoner, så å forutsi deres aktivitet bør også tilpasses individuelle populasjoner og deres spesifisitet.
Snakk med oss om AI
Bli med i «AI Business»-gruppen på Facebook
Vi anbefaler en e-bok om AI
AI i markedsføring – Hvordan øke salget og kundeengasjementet?
Turing-testen: Er AI allerede mer intelligent enn mennesker?