Materiał wydrukowany z portalu www.wnp.pl. © Polskie Towarzystwo Wspierania Przedsiębiorczości 1997-2019

Powstał katalog obrazów, które dla sztucznej inteligencji są zagadką

Autor:  PAP/PSZ  |  24-07-2019 08:09
Naukowcy stworzyli bazę zawierającą ponad 7 500 przedstawień obiektów, z rozpoznawaniem których nie potrafi sobie poradzić sztuczna inteligencja. Zgromadzone tam obrazy mają posłużyć do szkolenia sieci neuronalnych i zwiększenia precyzji identyfikacji.

Naukowcy z uniwersytetów w Waszyngtonie, Berkeley i Chicago stworzyli bazę takich obrazów, by wykorzystać ją do trenowania sztucznej inteligencji. Ich zdaniem wykorzystanie danych zgromadzonych w zbiorze nazwanym ImageNet-A może znacznie poprawić sprawność AI w zakresie identyfikacji i wpłynąć na rozwój systemów rozpoznawania twarzy czy autonomicznej jazdy.

Sztuczna inteligencja ma problemy m.in. z rozpoznawaniem zwierząt.
Fot. Shutterstock.com

BBC przytacza szereg przykładów, w których systemy sztucznej inteligencji nie radzą sobie z rozpoznawaniem obrazów np. zwierząt, myląc motyle z pralkami, aligatory z kolibrami, czy biorąc ważki za banany. Eksperci podkreślają, że problem takich pomyłek musi znaleźć rozwiązanie, zanim systemy AI zaczną być standardowo stosowane w realnym świecie.

"Nie jesteśmy w stanie wyjaśnić, skąd biorą się pomyłki w rozpoznawaniu rzeczy, które wcale nie wydają się takie trudne" - powiedział serwisowi specjalizujący się w tej dziedzinie Calum Chace. Jednak jego zdaniem, problem nie wstrzyma badań nad AI, wobec skali przeznaczanych na tę dziedzinę sił i środków.

Wszystkie obrazy w bazie danych zebrano online i nie były one zmieniane cyfrowo. Naukowcy mają nadzieję, że zawartość bazy pomoże ekspertom zwiększyć precyzję rozpoznawania i klasyfikowania obrazów przez AI. Ich zdaniem obrazy wykorzystywane wcześniej do uczenia algorytmów mogły być zbyt proste i nie w pełni odzwierciedlać przedmioty, z którymi mamy do czynienia w realnym świecie. Zauważają też, że sztuczna inteligencja może często błędnie identyfikować obiekty, dokonując nadmiernych generalizacji, np. uznać, że wszystkie samochody to limuzyny.

Jak pisze BBC, oryginalny ImageNet, wykorzystywany w szkoleniu imitujących zachowanie ludzkiego mózgu sieci neuronalnych, przyczynił się do odrodzenia AI dzięki wsparciu ogromnej bazy danych mocą komputera i utworzeniu znacznie bardziej wydajnych systemów.

Materiał wydrukowany z portalu www.wnp.pl. © Polskie Towarzystwo Wspierania Przedsiębiorczości 1997-2019