Τεχνητή νοημοσύνη που βλέπει όπως οι άνθρωποι

Επί 30 χρόνια οι τεχνολογίες όρασης υπολογιστή αδυνατούσαν να λειτουργήσουν αποτελεσματικά, ακόμη και σε σχετικά τετριμμένα ζητήματα, όπως η ακριβής αναγνώριση προσώπων σε φωτογραφίες. Πρόσφατα, αλματώδεις πρόοδοι στην τεχνική της βαθιάς μηχανικής μάθησης - αναδυόμενο πεδίο της τεχνητής νοημοσύνης - επέτρεψαν τελικά στους υπολογιστές να ερμηνεύσουν πολλά είδη εικόνων, με την ίδια, ή και μεγαλύτερη επιτυχία, συγκριτικά με τους ανθρώπους. Εταιρείες ήδη πουλάνε προϊόντα που εκμεταλλεύονται την τεχνολογία αυτή, η οποία αναμένεται να χρησιμοποιηθεί επιβοηθητικά ή για να εκτοπίσει ανθρώπους από διάφορα επαγγέλματα, από την οδήγηση φορτηγών, έως την ερμηνεία απεικονίσεων για τη διάγνωση ασθενειών.
Η πρόσφατη πρόοδος στην τεχνική βαθιάς μηχανικής μάθησης, με την ονομασία συνελικτικά νευρωνικά δίκτυα (convolutional neural networks ή CNN), είναι κλειδί για τα άλματα που έγιναν. Ενώ οι άνθρωποι μπορούν εύκολα να διακρίνουν ένα σκύλο από μια γάτα, τα CNN επιτρέπουν στις μηχανές να κατηγοριοποιήσουν τις συγκεκριμένες ράτσες που ανήκουν οι σκύλοι και οι γάτες πολύ καλύτερα από τους ανθρώπους. Το πλεονέκτημά τους οφείλεται στο ότι μπορούν να μαθαίνουν πιο γρήγορα και να συνάγουν συμπεράσματα από ανεπαίσθητα, αλλά σημαντικά χαρακτηριστικά, που αποτυπώνονται στις εικόνες.
Τα CNN δε χρειάζεται να προγραμματιστούν για να αναγνωρίσουν συγκεκριμένα χαρακτηριστικά στις εικόνες, όπως το σχήμα και το μέγεθος των αυτιών ενός ζώου. Αντίθετα, μαθαίνουν να εντοπίζουν χαρακτηριστικά σαν αυτά από μόνα τους. Για την εκπαίδευσή τους χρησιμοποιούνται χιλιάδες φωτογραφίες ζώων και οικοδομούν τη γνώση σε στρώματα. Στα χαμηλότερα στρώματα μαθαίνουν τα απλά σχήματα και τις γωνίες, που υπάρχουν στις εικόνες. Σε ψηλότερα στρώματα μαθαίνουν σύνθετες και αφηρημένες έννοιες, όπως πιο λεπτομερείς πλευρές των αυτιών, των ουρών, των γλωσσών, της υφής της γούνας κ.ο.κ. Οταν εκπαιδευτούν, τα CNN μπορούν να αποφασίσουν εύκολα σε ποια συγκεκριμένη ράτσα ανήκει το ζώο που εμφανίζεται σε μια νέα εικόνα.
Τα CNN έγιναν εφικτά χάρη στην τεράστια πρόοδο στις μονάδες επεξεργασίας γραφικών και στην παράλληλη επεξεργασία, που πραγματοποιήθηκε την περασμένη δεκαετία. Αλλά και η διαθεσιμότητα τεράστιου αριθμού φωτογραφιών στο διαδίκτυο ήταν απαραίτητη για να τροφοδοτήσει την ακόρεστη όρεξή τους για ψηφιοποιημένες εικόνες.
Συστήματα όρασης υπολογιστή βασισμένα στη βαθιά μηχανική μάθηση αναπτύσσονται ήδη για μεγάλη γκάμα εφαρμογών. Η τεχνολογία κάνει τα αυτοοδηγούμενα οχήματα πιο ασφαλή, βελτιώνοντας την ικανότητά τους να αναγνωρίζουν τους πεζούς. Ασφαλιστικές εταιρείες έχουν αρχίσει να τα χρησιμοποιούν ως πραγματογνώμονες για την αξιολόγηση ζημιών σε οχήματα. Τα CNN κάνουν δυνατή την αναγνώριση της συμπεριφοράς πλήθους, ικανότητα χρήσιμη στον τομέα της ασφάλειας. Στη γεωργία μπορούν να προβλέψουν την απόδοση της σοδειάς, να επιτηρούν το επίπεδο του νερού άρδευσης και να βοηθούν στον εντοπισμό ασθενειών στα φυτά πριν αυτές εξαπλωθούν σε όλη τη σοδειά. Μεγάλη εφαρμογή αρχίζουν να βρίσκουν στην ιατρική, επιταχύνοντας τη διάγνωση μετά από παρατήρηση ακτινογραφιών και άλλων απεικονίσεων, ενώ στις περιοχές όπου δεν υπάρχουν διαθέσιμοι γιατροί, χρησιμοποιούνται ακόμα και για την ίδια τη διάγνωση.