Jak nauczyć maszyny widzieć?

Autonomiczne pojazdy samochodowe rozpoznają znaki stopu, endoskopy rozpoznają raka. Jak to działa, wyjaśnia ekspert w dziedzinie sztucznej inteligencji.

VIDETE: projekt Niemieckiego Centrum Badań nad Sztuczną Inteligencją (DFKI) dotyczący widzenia maszynowego
DFKI

VIDETE! - Patrz! To nazwa projektu Niemieckiego Centrum Badań nad Sztuczną Inteligencją (DFKI). Tutaj eksperci SI z grupy badawczej ds. rozszerzonej rzeczywistości w Kaiserslautern opracowują nowe metody widzenia maszynowego. Celem jest niezawodne wykrywanie przez maszyny poruszających się obiektów za pomocą tylko jednej kamery. Dotychczas takie systemy były uzależnione od co najmniej dwóch kamer.

Jak maszyny mogą się nauczyć widzieć?

Kierownik projektu Gerd Reis wyjaśnia: „Mechanizm widzenia człowieka i mechanizm widzenia robota mają ze sobą niewiele wspólnego". Mechaniczna „nauka widzenia" jest procesem matematycznym. Chodzi o to, aby nauczyć roboty rozumienia scen za pomocą sieci neuronowych, czyli oprogramowania. Na przykład, aby w sytuacjach drogowych rozpoznawały one samochody i ich ruchy oraz prawidłowo interpretowały znaki drogowe.

Podczas maszynowego procesu uczenia się przy użyciu sieci neuronowych istnieje bardzo wiele zmiennych. Badacze porównują informacje uzyskane na wyjściu z oczekiwanymi wynikami i analizują stopień odchylenia. Następnie krok po kroku wracają do ostatniego zbieżnego punktu. W ten sposób system uczy się relacji pomiędzy wejściem a prawidłowym wyjściem.

Jakie są obszary zastosowań systemów wizyjnych maszyn?

Szczególnie w zakresie jazdy autonomicznej i w przemyśle. Ale także w wykrywaniu nowotworów za pomocą technik obrazowania medycznego; w sportach do analizy scen zawodów lub w systemach wspomagania aktywności osób starszych (Ambient Asssitant Living). Reis wyjaśnia: „Ważne jest, aby odróżnić, czy dana osoba opadła nieprzytomna w fotelu i potrzebuje szybkiej pomocy, czy też zrelaksowana czyta książkę".

Przed jakimi wyzwaniami stoją badacze SI?

Projekt VIDETE bada również, w jaki sposób można uzasadnić decyzje maszyny. Jak możemy zapewnić, że sztuczna inteligencja zawsze rozpozna znaki drogowe prawidłowo, nawet jeśli są one brudne. Albo co prowadzi do tego, że podczas endoskopii zmiana tkanki interpretowana jest jako rak? Zanim wyniki zostaną wykorzystane przez ludzi, inny algorytm sprawdza ścieżkę decyzyjną. „Jak druga opinia lekarza", mówi Reis.

© www.deutschland.de

Newsletter #UpdateGermany: You would like to receive regular information about Germany? Subscribe here to: