Wolfram Alpha nauczył się rozpoznawać obrazy – sprawdź, jak poradzi sobie z twoimi zdjęciami
Wolfram Alpha od lat już zachwyca swoimi możliwościami wzakresie przetwarzania ustrukturyzowanej wiedzy. Widać to nie tylkow kwestiach akademickich, takich jak np. rozwiązywanie problemówmatematycznych, ale też w umiejętności odpowiadania na czasembardzo dziwne pytania, np. o to, czy jesteśmy już pijani, czy jakiesamoloty mamy nad głową. Nowa funkcja Wolframa zrobiła na nasjednak jeszcze większe wrażenie. Maszyna obliczeniowa dla wiedzyuczy się rozpoznawać obrazy – i idzie jej to nadspodziewaniedobrze.
Dla człowieka rozpoznanie tego, co przedstawia fotografia, jest wwiększości wypadków banalnym zadaniem. Dla komputerów jest tojednak zadanie skrajnie trudne, przez całe dziesięciolecia byłoświętym Graalem informatyków pracujących nad sztucznąinteligencją. Stephen Wolfram, uważający się (czy słusznie czyniesłusznie – nie nam to rozstrzygać) za jednego z wiodącychekspertów w tej dziedzinie, pochwalił się właśnie przynajmniejczęściowym rozwiązaniem tego problemu. Wolfram Alpha wzbogaciłsię o funkcję ImageIdentify, dzięki której możemy zadaćmaszynie pytanie o to, co przedstawia dany obraz i uzyskaćodpowiedź, często zaskakująco dobrą.
Testem możliwości nowej funkcji jest witryna ImageIdentify.com,przez którą możemy wgrać do Wolframa Alpha dowolny obrazek, asztuczna inteligencja spróbuje powiedzieć, co na nim „zobaczyła”.Ekscentryczny uczony twierdzi, że w większości wypadkówodpowiedzi są poprawne. Z naszego eksperymentu wynika, że wcale takdobrze nie jest – przetestowaliśmy ok. 20 zdjęć wziętych zpierwszej strony reddita. Spośród nich cztery zostały dobrzezidentyfikowane, a w trzech wypadkach odpowiedzi były ogólne, aledo zaakceptowania. W pozostałych wypadkach było tragicznie –szczególnie gdy w grę wchodziły zdjęcia ludzi, w szczególnościmłodych kobiet. Bardzo dobrze za to Wolfram Alpha radzi sobie zrozpoznawaniem zdjęć zwierząt.
Osiągnięcie na pewno bardzo ciekawe, co z tym jednak w praktycemożna zrobić? Stephen Wolfram podkreśla, że siłą tegorozwiązania jest możliwość wykorzystania rozpoznawania obrazówbezpośrednio w języku Wolfram Language, gdzie zawartość obrazumożemy wykorzystać jako parametr funkcji i poddać dalszemuprzetwarzaniu. W jednej linijce można w ten sposób napisaćprogram, który będzie generował chmurę tagów wyświetlającychinformacje taksonomiczne o rozpoznanym zwierzęciu. Rozpoznawanieobrazów staje się dostępne dla każdego programisty.
Na łamach bloga uczonego można poczytać o trenowaniu siecineuronowych (i jakżeby inaczej, ich powiązaniach z automatamikomórkowymi) , punktach stałych, atraktorach i wyzwaniach, jakiestoją przed osiągnięciem ludzkiego poziomu przez rozpoznająceobrazy maszyny. Stephen Wolfram zauważa liczne analogie między tym,jak trenował swój system na kilku milionach przykładowych obrazów,a jak trenowani są w tym zadaniu ludzie w pierwszych latach swojegożycia. Jego rozważania pozwalają lepiej zrozumieć, dlaczegoodpowiedzi ImageIdentify są czasem tak osobliwe, a może nawetzyskać pewien intuicyjny wgląd w to, jak sztuczna inteligencja możemyśleć, dlatego polecamy bliższe zapoznanie się z tymwpisem.
A jeśli chcecie sami pobawić się w rozpoznawanie obrazów, towebowy interfejsWolframa Alpha tylko na to czeka – wgrane obrazy są wykorzystywanedo dalszego ulepszania AI.
