Ondanks de aanzienlijke vooruitgang die onlangs is geboekt, lopen machine vision-systemen ver achter op hun biologische tegenhangers. Dit geldt niet alleen voor de snelheid van informatieverwerking, maar ook voor de betrouwbaarheid. Feit is dat de hersenen objecten kunnen herkennen, ongeacht welk deel ervan op dit moment zichtbaar is. En soms zelfs op basis van de algemene context. Dit is de manier waarop AI werd onderwezen door Amerikaanse experts.
Wetenschappers van de University of California in Los Angeles en Stanford University zijn verantwoordelijk voor de ontwikkeling en hun systeem kan de wereld eromheen zien dankzij dezelfde methode die wij gebruiken. Volgens de redactie van de Proceedings of the National Academy of Sciences kan het systeem objecten alleen identificeren op basis van enkele van hun onderdelen, die voorheen niet beschikbaar waren voor AI.
Het proces van het leren van een nieuwe methode zelf bestaat uit drie opeenvolgende fasen. Nadat het systeem is gevraagd om een object te vinden, wordt de afbeelding in kleinere stukjes gebroken. De afbeelding hierboven laat zien hoe het systeem een object identificeert op basis van zulke kleine onderdelen. Vervolgens wordt elk onderdeel afzonderlijk geanalyseerd en worden de verbindingen met andere objecten van het algemene beeld geïdentificeerd. Daarna "kijkt" de AI opnieuw naar het hele plaatje en laat zien welke delen van de foto gerelateerd zijn aan het originele object en welke niet. Welnu, toen begon de AI te trainen op talloze foto's en video's die van het netwerk waren genomen.
In de laatste fase testten wetenschappers het systeem op meer dan 9000 afbeeldingen van mensen en verschillende objecten, en in alle gevallen herkende het wat er nodig was, niet slechter dan een AI met uitgebreide ervaring, maar getraind door de "oude" methode.
Vladimir Kuznetsov
