Може ли рачунар да научи здрав разум?
Тренутно истраживачи са Универзитета Царнегие Меллон свакодневно раде са рачунарским програмом у покушају да масовно прикупљају податке и подучавају се здравом разуму.
Програм се назива Невер Ендинг Имаге Леарнер (НЕИЛ) док софтвер претражује слике на Вебу, трудећи се да их сам разуме и, док гради све већу визуелну базу података, масовно прикупљајући здрав разум.
НЕИЛ користи скорашњи напредак у рачунарском виду који омогућава рачунарским програмима да идентификују и означе предмете на сликама, да карактеришу сцене и препознају атрибуте, као што су боје, осветљење и материјали, а све уз минимум људског надзора.
Заузврат, подаци које генерише додатно ће побољшати способност рачунара да разумеју визуелни свет.
НЕИЛ има значајан напредак у односу на раније роботске уређаје јер може да повезује ствари да би добио информације о здравом разуму. Информације које људи знају готово интуитивно - да се аутомобили често налазе на путевима, да су зграде вертикалне и да патке изгледају некако попут гусака.
На основу референци у тексту, може се чинити да је боја која је повезана са овцама црна, али људи - а сада и НЕИЛ - ипак знају да су овце обично беле.
„Слике су најбољи начин да се науче визуелна својства“, рекао је др Абхинав Гупта, доцент истраживача на Институту за роботику Царнегие Меллон.
„Слике такође укључују пуно здраворазумских информација о свету. Људи ово науче сами и, уз НЕИЛ, надамо се да ће то учинити и рачунари. “
Рачунарски кластер покреће програм НЕИЛ од краја јула и већ је анализирао три милиона слика, идентификујући 1.500 врста објеката на пола милиона слика и 1.200 врста сцена на стотинама хиљада слика.
Повезао је тачке да би научио 2500 асоцијација на хиљадама случајева.
Једна мотивација за пројекат НЕИЛ је стварање највеће светске визуелно структурисане базе знања, где су предмети, сцене, радње, атрибути и контекстуални односи обележени и каталогизовани.
„Оно што смо научили у последњих 5-10 година истраживања рачунарског вида је да што више података имате, то рачунарски вид постаје бољи“, рекао је Гупта.
Неки пројекти, као што су ИмагеНет и Висипедиа, покушали су да саставе ове структуриране податке уз помоћ људи.
Али размера Интернета је толико велика - само Фацебоок садржи више од 200 милијарди слика - да је једина нада да се све то анализира научити рачунаре да то раде углавном сами.
Људи такође НЕИЛ-у говоре које категорије предмета, сцена итд. Треба претраживати и анализирати. Али понекад оно што НЕИЛ пронађе може изненадити чак и истраживаче.
Може се предвидети, на пример, да би потрага за „јабуком“ могла да донесе слике воћа као и преносних рачунара. Али Гупта и његов тим, сви копљани, нису ни слутили да ће потрага за Ф-18 идентификовати не само слике борбеног авиона, већ и катамаране класе Ф18.
Како претрага траје, НЕИЛ развија поткатегорије предмета - трицикли могу бити за децу, за одрасле и могу се моторизовати, или аутомобили долазе у разним маркама и моделима.
И почиње да примећује асоцијације - да се зебре, на пример, налазе у саванама и да су подови за трговање акцијама обично пренатрпани.
Да би НЕИЛ могао постати име домаћинства, потребно је смањити обим јер је НЕИЛ рачунски интензиван, а програм се изводи на два кластера рачунара који садрже 200 процесорских језгара.
Извор: Универзитет Царнегие Меллон
