Οι αλγόριθμοι του Facebook μπορούν να επιλέξουν το πρόσωπό σας από ένα πλήθος (ή τουλάχιστον να προσπαθήσουν), αλλά δεν μπορεί να πει αν παρουσιάζετε σε οικογενειακό πορτρέτο ή πίνοντας με φίλους - δεν μπορεί να σας πει πώς αλληλεπιδράτε με άλλους . Στο μέλλον όμως, οι υπολογιστές μπορεί να είναι σε θέση να κάνουν ακριβώς αυτό. Τώρα οι ερευνητές πρότειναν έναν τρόπο να καταλάβουμε πόσο έξυπνοι υπολογιστές βρίσκονται σε οπτική αναγνώριση. Ονομάζουν τη δοκιμή τους μια οπτική δοκιμή Turing, αφού ο υπολογιστής του επιστήμονα Alan Turing για το αν ένας υπολογιστής μπορεί να εμφανίσει ανθρώπινη νοημοσύνη.
Η δημοφιλής αντίληψη της δοκιμής είναι ότι χρησιμοποιείται για να διακρίνει τους ανθρώπους από τους υπολογιστές - και μια εκδοχή χρησιμοποιείται για το σκοπό αυτό, όταν κάνετε ένα CAPTCHA για να εγγραφείτε για ένα νέο μήνυμα ηλεκτρονικού ταχυδρομείου. Ωστόσο, οι ερευνητές τεχνητής νοημοσύνης σκέφτονται πραγματικά τη δοκιμή ως έναν τρόπο μέτρησης του τρόπου με τον οποίο είναι μέχρι τώρα η προηγμένη υπολογιστική ευφυΐα.
"Έχουν σημειωθεί κάποιες εντυπωσιακές εξελίξεις στο όραμα των ηλεκτρονικών υπολογιστών τα τελευταία χρόνια", αναφέρει σε δελτίο Τύπου ο Stuart Geman, καθηγητής μαθηματικών στο Brown University και ένας από τους ερευνητές που πρότεινε τη νέα αξιολόγηση. «Θεωρήσαμε ότι θα ήταν ίσως καιρός να ανεβάσουμε τον άξονα όσον αφορά τον τρόπο με τον οποίο αξιολογούνται και αξιολογούνται αυτά τα συστήματα».
Αντί να αναγνωρίζει απλώς ότι μια εικόνα δείχνει δύο άτομα, η δοκιμή βλέπει αν οι υπολογιστές μπορούν να καταλάβουν ότι οι δύο άνθρωποι έχουν μια συζήτηση ή ακόμα και ένα επιχείρημα. Σήμερα, οι ερευνητές χρησιμοποιούν δημόσια διαθέσιμα σύνολα δεδομένων για να δοκιμάσουν τα προγράμματά τους - το MIT έχει το LableMe, το οποίο χρησιμοποιεί το crowdsourcing για να αναγνωρίσει το αυτοκίνητο, το δέντρο και το κτίριο στις εικόνες, για παράδειγμα. Για να βελτιωθεί αυτό και να προσφερθεί μεγαλύτερη πρόκληση, οι ερευνητές που εδρεύουν στο Brown βρήκαν ένα πλαίσιο για ένα τυποποιημένο οπτικό τεστ Turing.
Ο Lee Gomes για τις αναφορές του φάσματος IEEE :
Η προτεινόμενη μέθοδος τους απαιτεί από τους σχεδιαστές της ανθρώπινης δοκιμής να αναπτύξουν έναν κατάλογο με ορισμένες ιδιότητες που μπορεί να έχει μια εικόνα, όπως εάν μια σκηνή δρόμου έχει ανθρώπους σε αυτήν ή αν οι άνθρωποι μεταφέρουν κάτι ή μιλούν μεταξύ τους. Οι φωτογραφίες θα βαθμολογηθούν πρώτα από τους ανθρώπους βάσει αυτών των κριτηρίων. ένα σύστημα ηλεκτρονικής όρασης θα έδειχνε τότε την ίδια εικόνα, χωρίς τις "απαντήσεις", για να διαπιστώσει αν ήταν σε θέση να διαλέξει τι είδαν οι άνθρωποι.
Αρχικά, τα ερωτήματα θα ήταν στοιχειώδη, ζητώντας, για παράδειγμα, αν υπάρχει κάποιος σε μια καθορισμένη περιοχή της εικόνας. Αλλά τα ερωτήματα θα αυξηθούν σε πολυπλοκότητα καθώς τα προγράμματα έγιναν πιο εξελιγμένα. μια πιο περίπλοκη ερώτηση μπορεί να περιλαμβάνει τη φύση μιας αλληλεπίδρασης μεταξύ διαφορετικών ανθρώπων στην εικόνα.
Η ομάδα περιέγραψε τη δοκιμασία στα Πρακτικά της Εθνικής Ακαδημίας Επιστημών . Από σήμερα, η γερμανική λέει ότι κανένα σύστημα υπολογιστών δεν μπορεί να περάσει ούτε τις απλές εκδόσεις του νέου τεστ. Αλλά θα το κάνουν στο μέλλον. Δεδομένου ότι υπάρχουν πολλές πιθανές ιδιότητες σε οποιαδήποτε φωτογραφία, οι ερευνητές θα πρέπει να βρουν καινοτόμους τρόπους για τους υπολογιστές τους να μάθουν να αξιολογούν φωτογραφίες.
"Ως ερευνητές, έχουμε την τάση να« διδάσκουμε στη δοκιμασία », λέει ο Geman στη δήλωση. "Αν υπάρχουν ορισμένοι διαγωνισμοί που εισέρχονται σε όλους και αυτοί είναι τα μέτρα επιτυχίας, τότε αυτό στο οποίο εστιάζουμε. Γι 'αυτό ίσως είναι συνετό να αλλάξουμε τη δοκιμασία, να την βγάλουμε ακριβώς μακριά από τα σημερινά συστήματα όρασης ».
