Многие сталкивались с неловкой ситуацией, когда при встрече один человек протягивает руку, а второй собирается его обнять. Однако обычно люди способны предугадать, как встретить того или иного человека, благодаря многолетнему опыту человеческого взаимодействия.

Может ли машина предугадывать так же?

Исследователи из лаборатории информатики и искусственного интеллекта Массачусетского технологического университета (MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) in Cambridge) поставили задачу натренировать искусственный интеллект предугадывать, как люди будут друг друга приветствовать. И у них это получилось.

В качестве обучающих материалов для машины использовалось 600 часов видео из Youtube и сериалов «Офис» и «Отчаянные домохозяйки». И далее, когда ей показывали ранее не демонстрировавшиеся кадры приветствия длиной около секунды, она угадывала, как люди будут приветствовать друг друга, в более чем 43% случаев.

Люди же способны предугадать это в более 71% случаев.

«Люди делают это автоматически, и нам захотелось научить машину делать это так же на автомате», − комментирует Карл Вондрик (Carl Vondrick), аспирант CSAIL, являющийся первым автором работы, которая будет представлена на этой неделе на Международной конференции по компьютерному зрению и распознаванию образов (International Conference on Computer Vision and Pattern Recognition, ICCVPR), как говорится в пресс-релизе: «Мы хотели показать, что просто просматривая большое количество видео, компьютеры могут получить достаточно знаний, чтобы последовательно делать прогнозы об окружающем их мире. Там очень много тонкостей понимания и прогнозирования человеческих взаимодействий. Мы надеемся, что сможем отработать этого пример, чтобы иметь возможность в ближайшее время предсказать еще более сложные задачи».

По словам Вондрика, точность алгоритма пока недостаточна. Однако его последующие версии можно будет использовать в различных целях, таких как вызов экстренных служб при фиксации происшествий камерами наблюдения или предоставление консультаций в режиме реального времени в устройствах вроде Google Glass.

Однако сейчас мы имеем всего лишь «спойлеры» за несколько секунд в наших любимых шоу.

«Я был взволнован, когда увидел, насколько улучшаются алгоритмы при увеличении объёма обучающего видео», − сказал Вондрик. – «Может быть, это те самые новые возможности, которые приблизят нас к использованию интеллектуального видения в реальных ситуациях».

 

Источник: The Christian Science Monitor