Kunstig intelligenssteknologi er længe blevet brugt i ansigtsgenkendelsessystemer, og folk søger ved hjælp af CCTV-kameraer. Disse er dog langt fra de eneste parametre, der kan bruges til at søge. For eksempel uddannede en gruppe forskere i Indien kunstig intelligens til at søge efter de rigtige mennesker baseret på deres højde, køn og det tøj, de bærer.
Denne teknologi kan virke meget mærkelig for nogen, fordi man ved at "genkende" folk ved deres ansigter kan få mere nøjagtige data. Men det er ikke sådan. Forskerne giver selv et eksempel. Forestil dig, at du kun kender bestemte søgeparametre og en omtrentlig placering. Og i stedet for at se alt materiale fra alle kameraer, kan du oprette en anmodning om for eksempel "kvinder i røde skjorter, hvis højde er 153 centimeter." Dette vil indsnævre søgningen og reducere tiden til at identificere en bestemt person betydeligt.
Systemet er baseret på et indviklet neuralt netværk (CNN). Dette er en undertype af neurale netværk baseret på dyb maskinlæringsteknologi. CNN bruger i sit arbejde nogle træk ved funktionen af hjernens visuelle cortex. Hvis du prøver at forklare det på simpelt sprog - der er segmenter, der reagerer på enkle signaler (for eksempel tilstedeværelsen af rødt), og der er mere komplekse dem - en konglomeration af enkle funktioner (for eksempel alle typer skjorter). Mange små segmenter kan være en del af flere store (skjorter, T-shirts, bukser osv. Kan være røde). Ved konstruktion af forbindelser mellem segmenter kan det neurale netværk konkludere om tilstedeværelsen af visse objekter og deres egenskaber.
Med hensyn til selve algoritmen er nøjagtigheden af dets arbejde ca. 60% (i gennemsnit gætter det neurale netværk 28 personer ud af 41). Dette synes muligvis ikke nok, men dette er kun den første version af algoritmen, der vil blive forbedret. Som udviklerne selv sagde, Vladimir Kuznetsov