Сообщение о Comparative Toxicogenomics Database (компьютерной программе, которая в автоматическом режиме может оценить, упорядочить и отсортировать всю научную литературу и публикации, предоставив людям ссылки только на наиболее значимые и достоверные источники информации), которое мы опубликовали в предыдущем выпуске новостей, могло бы получить свое дальнейшее развитие, хотя и в ином не технократическом русле совершенствования или создания подобных систем, а напротив: использовании этих экспертных компьютерных систем другими, например, самообучающимися системами искусственного интеллекта. Конечно, до полноценного взаимодействия может быть еще далеко, но темпы освоения информационного пространства специализированными информационными же системами велики.
Группа исследователей из Технологического института Токио, возглавляемая доктором Осаму Хазегава (Dr. Osamu Hasegawa), добилась значительных успехов в совершенствовании созданной ими самообучающейся системы искусственного интеллекта под названием SOINN. Не так давно система SOINN получила возможность черпать новые данные напрямую из Интернета с целью приобретения новых навыков и знаний.
"В настоящее время существуем множество совершенных и высокоэффективных технологий поиска изображений. Связав наши алгоритмы искусственного интеллекта с алгоритмами поиска, мы дали системе возможность самостоятельно выбрать набор важных особенностей, позволяющий однозначно идентифицировать выбранный объект или действие" - пишут исследователи.
К примеру, в систему загружают снимок, на котором изображен рикша, но в данный момент система еще не знает, что это такое. Она распознает его как "автомобиль", наиболее близкое понятие, которое ей уже было известно. Но системе дают указание связать снимок с ключевым словом "рикша", после чего система из Интернета собирает множество изображений, связанных с данным ключевым словом и в автоматическом режиме выбирает набор особенностей, изучая то, что представляет из себя понятие "рикша". После такого самообучения система, получив другое изображение, на котором показан рикша, признает его как рикшу.
"В приведенном выше примере, на загруженных в систему изображениях, рикшей могут быть разные люди, также рикша может двигаться пустым или перевозить различных людей. Но система будет выбирать только ключевые моменты, такие, как большие колеса, наличие платформы с сиденьями выше колес, крыши и другие особенности, которые отличают коляску рикши от всего прочего. И даже если в систему загружен снимок, который никогда не попадался системе раньше, то система по этим характерным признакам узнает то, что есть на нем".
В настоящее время существуем множество методов распознавания изображений, к примеру, метода распознания лиц, используемые в большинстве цифровых фото- и видеокамер. Таким системам для качественной работы требуется большое количество данных, описывающих особенности лиц, поэтому большинство из них работает, используя некие шаблоны, что приводит в некоторых случаях к неправильной их работе. Системе SOINN для работы не требуются ни шаблоны, ни модели, ни заранее определенные особенности, она самостоятельно может выбрать для себя все необходимое, и в этом заключается основное преимущество системы.
Сейчас исследовательская группа работает над улучшением качества восприятия системы SOINN. Благодаря усилиям исследователей система, получив снимок, на котором изображен нож, может не только сказать, что это нож, но и определить, какой это нож, канцелярский, раскладной или кухонный. В ближайшем будущем исследователи планируют дать возможность системе SOINN работать и с другими типами цифровой информации, такими как аудио-, видео- и данными, собираемыми с помощью различных датчиков. Вполне вероятно, что благодаря системам, подобных системе SOINN роботы будущего приобретут некоторые интеллектуальные способности и возможность самостоятельно познавать окружающий их мир.
ПО материалам diginfo.tv, ai-es.blogspot.ru