Tyxo.bg counter

Изкуственият интелект DeepMind на Google може да визуализира 3D модел от 2D образ

Създаването на невронна мрежа, която може да учи от околната среда, е голяма стъпка.

Една от трудностите, когато става дума за създаване на система за визуално разпознаване чрез изкуствен интелект е как да се програмира това, което човешкият мозък прави без усилие. Например, когато човек влезе на непознато място, той лесно идентифицира и категоризира предметите. Нашият мозък автоматично възприема всичко от един поглед, прави заключение на база на предишен опит, вижда предметите от различни ъгли и ги пресъздава в главите ни. Екипът на DeepMind на Google се опитва да създаде невронна мрежа, която може да работи по същия начин.

Проблемът е, че за да могат да обучат изкуствения интелект да прави такива изводи, учените трябва да вкарат огромно количество внимателно означени данни. Невронните мрежи често трудно прилагат наученото от една ситуация в друга. Следователно ключът е да се създаде невронна мрежа, която може да разбира заобикалящата среда.

Именно това се опитват да направят от DeepMind с General Query Network (GQN). Тази невронна мрежа се различава от другите, тъй като е програмирана да следи околната среда и да се обучава само върху тези данни - а не върху тези, които са въведени от учените данни. Вследствие на това GQN се учи да разбира света и да прилага натрупаните наблюдения към новите ситуации, с които се сблъсква.

След като GQN мрежата е била поставена в контролирана среда, учените са я тествали и с такава, генерирана на случаен принцип. Мрежата е успяла да си представи сцената от различни ъгли и да създаде триизмерна визуализация на 2D образ. Освен това тя е идентифицирала и класифицирала предмети без предварително въведени етикети за това какво представляват те. Също така мрежата може да прави изводи  за предмети, които не вижда, на база на това, което може да види.

Изследователите подчертават, че GQN има някои ограничения. До момента за обучението са използвани само синтетични сцени и не е ясно как ще се справи мрежата с образи от реалния свят. Учените уточняват също така, че те имат още доста работа, преди да са готови да приложат решението на практика.

Twitter icon Facebook icon
Този сайт използва бисквитки (cookies). Ако желаете можете да научите повече тук.