Как глубинное обучение позволило компьютерам видеть

Как глубинное обучение позволило компьютерам видеть

Сделать компьютеры схожими с человеческим мозгом – один из величайших вызовов 21 века. Нам хочется, чтобы компьютеры умели говорить, понимать и решать проблемы. А теперь перед учеными стоит еще одна задача – научить их видеть и распознавать изображения.

Длительное время умнейшие компьютеры были слепыми. Но теперь они могут видеть, и эта революция стала возможной благодаря глубинному обучению.

Идея машинного обучения состоит в совершенствовании работы алгоритмов с помощью больших баз данных. В результате компьютеры учатся предсказывать результаты на основе новых данных.

глубинное обучение

Для компьютера изображение состоит из миллионов пикселей. Это большой объем данных для обработки. Можно облегчить задачу, определив промежуточные характеристики. Например, кошку можно опознать по круглой голове, двум ушам и морде. Как только ключевые характеристики определены, хорошо обученный нейронный алгоритм с достаточной долей точности проанализирует их и определит, что на картинке изображена кошка.

В 2000-х годах Фей-Фей Ли, директор Лаборатории искусственного интеллекта Стенфордского университета, предложила обучать компьютер распознавать образы так, как этому обучаются дети – при помощи визуальных примеров. Однако остаются две проблемы – доступность базы данных и мощность компьютеров. Ли с командой запустили проект ImageNet и создали базу, в которой содержится 15 миллионов изображений, распределенных по 22000 категориям. Теперь компьютеры могут обучаться на больших объемах данных без человеческого вмешательства и распознавать их не хуже трехлетних детей. Но, по мнению Ли, требуется шаг вперед – научить компьютеры распознавать изображения так же хорошо, как это делают взрослые.

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам: