Када чујемо вештачку интелигенцију и машинско учење, замишљамо рачунар који може да мисли и учи сам за себе. Односно, практично као људско биће.
Свет опажамо комбинацијом неколико чула, као што су вид, слух и препознавање говора. Али машине тумаче свет уз помоћ података које обрађују алгоритми. То јест, када машина види фотографију, она је преводи у скуп метаподатака које користи за обављање задатка. А ако компликујете задатак, односно где ће поред слике бити и звук, онда АИ почиње да се губи.
„Овде је главни проблем како машина може да помири ове различите модалитете? Лако је нама људима. Видимо ауто, а онда чујемо звук аутомобила који пролази и знамо да је то иста ствар. Али за машинско учење, све није тако једноставно", — рекао је Олександр Лиу, дипломирани студент у Лабораторији за рачунарске науке и вештачку интелигенцију (ЦСАИЛ) и први аутор рада посвећеног овом проблему.
Лиу и његове колеге развили су метод вештачке интелигенције који учи да представља податке на начин који обухвата концепте који су заједнички визуелним и аудио модалитетима. На пример, њихов метод може научити да је радња детета које плаче на видео снимку повезана са речју „плаче“ у аудио клипу. Користећи ово знање, њихов модел машинског учења може одредити где се одређена радња дешава у видео снимку и уочити је.
Овај метод би се једног дана могао користити да помогне роботима да науче о концептима у свету кроз перцепцију, више као што то раде људи. Модел и даље има нека ограничења за која се научници надају да ће се позабавити у будућем раду. До сада су се њихова истраживања фокусирала на податке из два модалитета у исто време, али у стварном свету људи се истовремено суочавају са многим токовима података које обрађују без размишљања. Машине то тек треба да науче.
Можете помоћи Украјини да се бори против руских освајача. Најбољи начин да то урадите је да донирате средства Оружаним снагама Украјине путем Савелифе или преко званичне странице НБУ.
Прочитајте такође: