Így látnak majd a gépek

Nem is olyan régen, 2010-ben rendezték meg először a Stanford, Princeton és Columbia egyetemek kutatói a Large Scale Visual Recognition Challange versenyt, amelyen 13 ország 38 csapata nevezett. A feladat egy olyan mesterséges algoritmus létrehozása volt, a lehető legpontosabban határozza meg, hogy mi látható egy képen. A feladathoz nagy teljesítményű számítógépeket és természetesen GPU-támogatást is használtak. Az idén megrendezett versenyen már sokkal többen indultak, és nem is egy, hanem hat különféle feladatot kellett elvégezni a jelölteknek tárgyak felismerése, tárgyak keresése és kategorizálása témában.

A képeket egy, a kutatók számára elérhető adatbázisból, az ImageNet-ből vették, ez közel 14 millió, emberek által már kategorizált képet tartalmaz. Az előző év eredményeihez képest a felismerés pontossága 22,5%-ról 43,8%-ra javult, a hibaarány pedig 11,7%-ról 6,6%-ra csökkent. A legelső verseny óta a javulás közel négyszeres, ami nagyon nagy előrelépés. A kutatásban nagy szerepe van a neurális hálózatoknak, idén Yann LeCun francia IT-kutató volt a legsikeresebb, aki 1998-ban dolgozta ki a mesterséges intelligenciával működő látási rendszert. Az általa alapított Open CV már széles körben használt. Még örvendetesebb, hogy a nyertes csapatok algoritmusukat mind megosztották, így megnőhet a mesterséges látással kapcsolatos iparágak növekedése. Ezeket a robotikában, orvosi diagnosztikában, PC-s játékokban és autós biztonsági rendszerekben használják elsősorban.