På trods af de betydelige fremskridt, der er gjort for nylig, er maskinvisionssystemer langt bag deres biologiske kolleger. Dette gælder ikke kun hastigheden i informationsbehandlingen, men også pålideligheden. Faktum er, at hjernen er i stand til at genkende genstande, uanset hvilken del af den der er synlig i øjeblikket. Og nogle gange endda baseret på den overordnede kontekst. Dette er den måde, AI blev lært af amerikanske eksperter.
Forskere fra University of California i Los Angeles og Stanford University er ansvarlige for udviklingen, og deres system kan se verden omkring det takket være den samme metode, som vi bruger. Ifølge redaktionerne for Proceedings of the National Academy of Sciences kan systemet identificere objekter kun baseret på nogle af deres dele, som tidligere ikke var tilgængelig for nogen AI.
Selve processen med at lære en ny metode består af tre på hinanden følgende faser. Når systemet bliver bedt om at finde et objekt, opdeler det billedet i mindre stykker. Figuren ovenfor viser, hvordan systemet identificerer et objekt baseret på lige så små dele. Derefter analyseres hver del separat, og dens forbindelser med andre objekter i det generelle billede identificeres. Derefter "ser" AI igen på hele billedet og identificerer, hvilke dele af billedet der er relateret til det originale objekt, og hvilke der ikke er. Nå, da begyndte AI at træne på adskillige fotos og videoer taget fra netværket.
På det sidste trin testede forskere systemet på mere end 9000 billeder af mennesker og forskellige genstande, og i alle tilfælde erkendte det, hvad der var krævet i det mindste ikke værre end en AI med stor erfaring, men trænet efter den "gamle" metode.
Vladimir Kuznetsov