P:
Zašto neki projekti strojnog učenja trebaju ogroman broj glumaca?
A:Kada razmišljate o strojnom učenju, obično razmišljate o kvalificiranim znanstvenicima koji rade na tipkovnicama u računalnim sobama. Ekstremno je naglašen kvantitativni analiza i algoritmi. Mnogi od ovih programa ne postoje mnoštvo neposrednog konteksta iz stvarnog svijeta - barem bi to mnogi pomislili.
Međutim, neki od današnjih najnepopularnijih programa strojnog učenja koriste istinske armije ljudskih glumaca na ulici, u trgovinama i bilo gdje gdje mogu modelirati osnovne ljudske aktivnosti poput hodanja, rada ili kupovine.
| Besplatno preuzimanje: Strojno učenje i zašto je to važno |
Žičani članak Toma Simonitea to vrlo dobro ilustrira primjerenim naslovom „Da bi AI bio pametniji, ljudi obavljaju neobične nisko plaćene zadatke“.
Koristeći primjer kratkih videa snimljenih u trgovini namirnicama Whole Foods, Simonite ističe vrste poslova koji će pomoći u izgradnji neke od sljedećih faza strojnog učenja.
To dovodi do pitanja zašto su svi ti ljudi angažirani na snimanju filmova u kratkim i jednostavnim videozapisima koji dokumentiraju radnje kao rudimentarne poput pomicanja ruke ili noge.
Odgovor baca malo svjetla na to gdje se odvija strojno učenje i kamo ide.
"Istraživači i poduzetnici žele vidjeti da AI razumije i djeluje u fizičkom svijetu", piše Simonite, objašnjavajući zašto on i ostali veslaju kamerama. „Otuda potreba radnika da prikazuju prizore u supermarketima i kućama. Oni generiraju poučni materijal za podučavanje algoritama o svijetu i ljudima u njemu. "
Kako će istaknuti mnogi stručnjaci, neke od najvećih granica strojnog učenja uključuju obradu slike i obradu prirodnog jezika. To su izuzetno kvantitativni postupci - drugim riječima, ne postoji širok spektar ulazaka kao što je to u "izvedbenim" okruženjima stvarnog svijeta. Umjesto toga, programi strojnog učenja koriste vizualne i audio podatke na vrlo specifične načine za izradu modela. Pomoću obrade slika odabiru se značajke (konačnog) vidnog polja. Za NLP je sastavljanje fonema.
Prekoračenje ovih specifičnih ulaznih kategorija uključuje nešto što biste mogli nazvati "jaz između slike i govora" - nadilazeći stvari poput obrade slike i prepoznavanja govora prelazite u područja u kojima računala moraju biti analitična na različite načine. Kompleti treninga bit će u osnovi drugačiji.
Uđite u vojsku snimatelja. U nekim od tih novih projekata strojnog učenja najmanja ideja ljudskih aktivnosti su skupovi za obuku. Umjesto da se obuče za traženje značajki i rubova i piksela koji se sastavljaju u zadatke klasifikacije, računala umjesto toga koriste videozapise za obuku kako bi procijenili kako izgledaju različite vrste radnji.
Ključno je što inženjeri mogu raditi s tim podacima kada se oni sakupljaju i učitavaju te kad je računalo obučeno na njima. Uskoro ćete vidjeti rezultate u raznim područjima - na primjer, to će nadzor učiniti vrlo učinkovitim. Računala će u vidnom polju moći "vidjeti" što ljudi rade i primijeniti to na polja poput marketinga i prodaje ili, možda, u nekim slučajevima, vladinih poslova ili kaznenog pravosuđa.
Posledice su također bacile svjetlo na raspravu između pitanja o maksimalnoj koristi i privatnosti. Velik dio upotrebe ovih videozapisa izgradit će modele strojnog učenja koji rade za nadzor - ali što je s ljudima koji ne žele biti pod nadzorom? Kad se ovi novi strojni programi učenja razmještaju u javnom prostoru, koja su prava pojedinca i gdje je povučena ta crta?
U svakom slučaju, tvrtke koriste ove vrste ljudskih i video resursa da bi se stvarno ukopale u neke naredne korake napretka strojnog učenja koji će računalima zapravo omogućiti prepoznavanje onoga što se događa oko njih, a ne samo klasificiranje slika ili rad s fonemima govor. Ovo je izuzetno zanimljiv i kontroverzan razvoj umjetne inteligencije i onaj koji zaslužuje svoj udio pozornosti u tehnološkim medijima i šire.
