Facebooks algoritmer kan plukke ansiktet ditt ut av en mengde (eller prøve å i det minste), men det fremdeles kan ikke se om du poserer i et familieportrett eller drikker med venner - det kan ikke fortelle deg hvordan du omgås andre . I fremtiden kan datamaskiner kanskje gjøre akkurat det. Nå har forskere foreslått en måte å finne ut hvordan smarte datamaskiner har visuell identifikasjon. De kaller testen sin en visuell Turing-test, etter dataforskeren Alan Turing sin test av om en datamaskin kan vise menneskelignende intelligens.
Den populære oppfatningen av testen er at den brukes til å skille mennesker fra datamaskiner - og en versjon brukes til det, når du gjør en CAPTCHA for å registrere deg for en ny e-post. Men kunstig intelligensforskere tenker virkelig på testen som en måte å måle hvor avansert dataintelligens er så langt.
Stuart Geman, matematikkprofessor ved Brown University og en av forskerne som foreslo den nye evalueringen, har det vært noen imponerende fremskritt innen datasyn de siste årene, sier det i en pressemelding. "Vi følte at det kan være på tide å heve linjen når det gjelder hvordan disse systemene blir evaluert og benchmarked."
I stedet for bare å erkjenne at et bilde viser to personer, ser testen om datamaskiner kan finne ut at de to personene har en samtale eller til og med et argument. For tiden bruker forskere offentlig tilgjengelige datasett for å teste programmene sine - MIT har LableMe, som bruker crowddsourcing for å identifisere "bilen", "treet" og "bygningen" i bilder, for eksempel. For å forbedre dette og tilby en større utfordring, fant forskere basert på Brown rammer for en standardisert visuell Turing-test.
Lee Gomes for IEEE Spectrum rapporterer:
Deres foreslåtte metode krever menneskelige testdesignere å utvikle en liste over visse attributter et bilde kan ha, for eksempel om en gatescene har mennesker i seg, eller om folket bærer på noe eller snakker med hverandre. Fotografier ble først håndskåret av mennesker på disse kriteriene; et datasystem ville da bli vist det samme bildet, uten “svarene”, for å avgjøre om det var i stand til å finne ut hva menneskene hadde sett.
Til å begynne med ville spørsmålene være rudimentære, og spørre om det for eksempel er en person i et angitt område på bildet. Men spørsmålene ville vokse i kompleksitet etter hvert som programmene ble mer sofistikerte; et mer komplisert spørsmål kan omfatte arten av et samspill mellom forskjellige mennesker på bildet.
Teamet beskrev testen i Proceedings of the National Academy of Sciences . Per nå sier German at intet datasystem ikke kunne passere selv de enkle versjonene av den nye testen. Men de vil det i fremtiden. Siden det er mange mulige attributter til et hvilket som helst bilde, ville forskere måtte finne på innovative måter for datamaskinene sine å lære å vurdere bilder.
"Som forskere har vi en tendens til å 'lære oss testen', " sier Geman i uttalelsen. "Hvis det er visse konkurranser som alle deltar i, og det er tiltakene for suksess, er det det vi fokuserer på. Så det kan være lurt å endre testen, for å sette den bare utenfor rekkevidde for dagens synssystemer. ”
