Tegenwoordig kunnen veel apparaten vastleggen wat er op de camera gebeurt, maar wat als je op video zou kunnen opnemen wat er nog moet gebeuren? Onderzoekers van MIT CSAIL hebben een deep learning-algoritme gemaakt dat in staat is om video's te maken die laten zien wat er in de toekomst wordt verwacht. Na intensieve training (2 miljoen video's) begon het kunstmatige-intelligentiesysteem frames te genereren, waarbij twee neurale netwerken tegenover elkaar stonden. De ene creëerde de scène door te bepalen welke objecten in een bepaald frame op dat moment bewogen. Een ander deed ondertussen dienst als kwaliteitscontrole - het bepaalde of de video echt of gesimuleerd was, en de kunstmatige video werd als succesvol beschouwd toen de controlerende AI werd misleid om te geloven dat de beelden echt waren.
De technologie heeft echter zijn beperkingen. Het kan geen video maken na anderhalve seconde in de toekomst, en de resultaten zijn niet opvallend realistisch, maar de technologie is nog steeds goed genoeg om bijvoorbeeld de beweging van golven op het strand of mensen die op het gras lopen te voorspellen.
Als onderzoekers er echter in slagen voorspellingen realistischer en langer in de tijd te maken, kan dat verstrekkende gevolgen hebben. Zelfrijdende auto's kunnen voorspellen waar en hoe andere voertuigen en voetgangers gaan, en beveiligingscamera's kunnen inconsistenties in beeldmateriaal markeren op basis van wat ze verwachten te zien. De technologie kan ook worden gebruikt voor dagelijkse taken, zoals het toevoegen van animatie aan stilstaande beelden of het comprimeren van video (aangezien elk videoframe niet langer nodig is). En ongeacht de omstandigheden kan het voorspellen van de toekomst AI helpen te begrijpen wat er op dit moment aan de hand is - het kan in elk geval helpen wanneer machinepatroonherkenning essentieel is.
