दीपइंड एआई होमर सिम्पसन के कार्यों की सही पहचान करने में विफल रहता है

तंत्रिका नेटवर्क के अधिक से अधिक प्रकार हैं, और वे वास्तव में लोगों को जीने और काम करने में मदद करते हैं। कुछ सिस्टम मौसम की भविष्यवाणी करते हैं, कुछ - निदान करना सीखते हैं, और सिस्टम का हिस्सा बड़े व्यवसाय में चला गया। एआई, इसका कमजोर रूप, पहले से ही जानता है कि भारी मात्रा में डेटा का विश्लेषण कैसे किया जाए, पहली नज़र में, असंबंधित कारकों के बीच निर्भरता का पता लगाना। लेकिन, निश्चित रूप से, अभी भी कई समस्याएं हैं - होमर सिम्पसन के रूप में इस तरह के "रहस्यमय" कार्टून चरित्र के व्यवहार के विश्लेषण के साथ कृत्रिम बुद्धि का सामना करने में सक्षम नहीं है।

नहीं, सिस्टम अपने कुछ कार्यों की पहचान कर सकता है, लेकिन सभी नहीं। इसी समय, द सिम्पसंस से बड़ी संख्या में YouTube वीडियो पर तंत्रिका नेटवर्क को प्रशिक्षित किया गया था। यह ध्यान देने योग्य है कि दीपइंडम विभिन्न एआई सिस्टम के विकास के लिए नए से दूर है। उदाहरण के लिए, इस कंपनी का एक घटनाक्रम, जो पहले Google का हिस्सा था, और अब सॉफ्टबैंक के अधिकार क्षेत्र में स्थानांतरित हो गया, खेल में विश्व चैंपियन को हराने में सक्षम था ।

डीपमाइंड सिस्टम, साथ ही अन्य कंपनियों द्वारा इस तरह के विकास, सूचना के विशाल मात्रा का विश्लेषण करने में सक्षम हैं। समय के साथ, तंत्रिका नेटवर्क का काम अधिक से अधिक परिपूर्ण हो जाता है क्योंकि वे स्वयं सीखते हैं। चाहे वह चेहरा पहचान हो या अंग्रेजी से चीनी में अनुवाद और इसके विपरीत - परिणाम दिन-प्रतिदिन सुधर रहे हैं। लोगों के व्यवहार को समझने के लिए कैनेटीक्स नामक उनकी प्रणाली को सिखाने के लिए, दीपमंडी के कर्मचारियों ने 300,000 से अधिक YouTube वीडियो "फीड" किए, जो 400 प्रकार के मानव कार्यों को भेद करना सीखते हैं।

"एआई सिस्टम अब छवियों में विभिन्न वस्तुओं को पहचानने में बहुत अच्छा है, लेकिन उनका कमजोर पक्ष वीडियो के साथ काम कर रहा है," दीपमाइंड के प्रतिनिधियों का कहना है। "मुख्य कारणों में से एक उच्च गुणवत्ता वाले वीडियो के बड़े नमूनों की कमी है।"

इस समस्या को हल करने के लिए, दीपमंडी के कर्मचारियों ने अपना नमूना बनाने का फैसला किया। प्रत्येक 400 प्रकार के कार्यों के लिए YouTube का एक व्यक्ति कम से कम 400 वीडियो "काट" रहा था, जो लगभग 10 सेकंड तक चलता था। परिणाम एआई को पढ़ाने के लिए डिज़ाइन किए गए पहले उच्च-गुणवत्ता और विशेष डेटा सेटों में से एक है। बेशक, कंपनी दीपमाइंड, जिसने Google के एक विभाजन के दौरान भी इस नमूने का गठन किया था, वह भाग्यशाली था क्योंकि Google (अब - वर्णमाला पकड़े हुए) YouTube का मालिक है। तदनुसार, डीपमाइंड के कर्मचारियों के पास वीडियो सेवा सामग्री के साथ काम करने के लिए विशेष उपकरणों तक पहुंच थी। अन्य कंपनियों के पास इस संबंध में एक कठिन समय होगा, क्योंकि सार्वजनिक रूप से उपलब्ध होने के बाद, एक विशेष डेटा सेट को संकलित करने के लिए उच्च-गुणवत्ता वाले वीडियो उतना आसान नहीं है जितना यह लग सकता है।

लोगों के कार्यों के वीडियो में देखे गए विभिन्न कैनेटीक्स की पहचान करने की सटीकता लगभग 80% थी, जो इतना कम नहीं है। सच है, यह सामान्य वीडियो पर लागू होता है, जहां वे टेनिस खेलते हैं, रोते हुए बच्चे को शांत करते हैं, मौसम का पूर्वानुमान बनाते हैं आदि। होमर सिम्पसन के मामले में, सब कुछ अधिक जटिल है, यहां सटीकता तुरंत चार बार गिर जाती है, 20% तक। तंत्रिका नेटवर्क के लिए होमर के कार्यों की पहचान करना मुश्किल था जैसे कि सिक्का उछालना, बिना बालों के कंघी करना (बालों की जो जोड़ी बनी हुई थी उनकी गिनती नहीं की गई) और अन्य।

होमर के अलावा, काइनेटिक्स एक डिश या उत्पाद की पहचान करना मुश्किल है, अगर इसका केवल एक हिस्सा दिखाया गया है। एक आधा खाया बर्गर पहले से ही एक पूरे की तुलना में बहुत कम सही परिभाषित किया गया है। यदि वस्तु को बहुत छोटा दिखाया जाए तो समस्याएँ भी उत्पन्न होती हैं। डीपमाइंड के प्रतिनिधि के अनुसार, उच्च स्तर की सटीकता के साथ कुछ कार्रवाई को सही ढंग से निर्धारित करने के लिए तंत्रिका नेटवर्क को सिखाने के लिए, कभी-कभी केवल कुछ वीडियो पर्याप्त होते हैं। लेकिन कभी-कभी सौ भी विशिष्ट कार्यों को निर्धारित करने की सटीकता को बढ़ाने में मदद नहीं करते हैं।



ये सभी अच्छी तरह से ज्ञात समस्याएं हैं। उदाहरण के लिए, पहले समान तंत्रिका नेटवर्क में कुछ जातीय समूहों से संबंधित लोगों के चेहरे की पहचान करने में कठिनाइयां थीं। कुछ विशेषज्ञों के अनुसार, कैनेटीक्स के अंतर्निहित एल्गोरिदम भाषण और ग्रंथों की कुछ विशेषताओं के अनुसार किसी व्यक्ति के लिंग का निर्धारण करने में सक्षम हैं।

डीपमाइंड से तंत्रिका नेटवर्क वीडियो में एक व्यक्ति के लिंग का निर्धारण करने में सक्षम है (हालांकि सभी मामलों में किसी भी तरह से नहीं), साथ ही साथ कई वीडियो के "लिंग संतुलन" का मूल्यांकन करता है। उदाहरण के लिए, दाढ़ी और दाढ़ी के साथ वीडियो ज्यादातर पुरुष (जो आश्चर्यचकित होंगे), लेकिन भौं या चीयरलीडिंग के साथ काम करना महिला है। सच है, लिंग पहचान के साथ समस्या अभी भी बनी हुई है, डेवलपर्स के पास यहां काम करने के लिए कुछ है।

भविष्य में, इस तरह के सिस्टम पर काम न केवल यह निर्धारित करने की संभावना है कि लोग वीडियो पर क्या करते हैं, बल्कि उनके कार्यों का कारण भी है। उदाहरण के लिए, एक तंत्रिका नेटवर्क यह निर्धारित कर सकता है कि किसी व्यक्ति ने "ओह" को क्यों समझा। इसके लिए ठोस अतिरिक्त कार्य और प्रशिक्षण के लिए कई, कई डेटा सेट की आवश्यकता होती है।

शायद, यदि आप कैनेटीक्स को बेहतर तरीके से प्रशिक्षित करते हैं, तो यह प्रणाली होमर सिम्पसन के कार्यों को निर्धारित करना सीख जाएगी। हालांकि कौन जानता है, यह एक बहुत ही अप्रत्याशित चरित्र है। क्या यह काम करेगा?