211service.com
AI-chef van Facebook: machines kunnen gezond verstand van video leren
Yann LeCun zegt dat de volgende grens in machine vision software is die leert door de wereld te observeren. 9 maart 2017
Illustratie door Erik Carter
Vijf jaar geleden maakten onderzoekers een plotselinge sprong in de nauwkeurigheid van software die afbeeldingen kan interpreteren. De technologie erachter, kunstmatige neurale netwerken, ondersteunt de recente hausse in kunstmatige intelligentie (zie 10 Breakthrough Technologies 2013: Deep Learning). Daarom laten Google en Facebook je nu in je foto's zoeken en heeft het nieuwe toepassingen voor gezichtsherkenning ontgrendeld.
Yann LeCun, directeur van de AI-onderzoeksgroep van Facebook en professor aan de New York University, hielp pioniers met het gebruik van neurale netwerken voor machinevisie. Hij zegt dat er nog steeds vooruitgang moet worden geboekt - en dat dit kan leiden tot software met gezond verstand.
Hoe goed is machine vision nu eigenlijk?
Als je een afbeelding hebt met een dominant object erin, en de naam van het spel is om de categorie van het object te geven, werkt dat gewoon. Zolang u over voldoende gegevens beschikt, in de orde van grootte van 1.000 objecten per categorie, kunnen wij zeer specifieke objecten herkennen, zoals auto's van een bepaald merk of planten van een bepaalde soort of honden van een bepaald ras. We kunnen ook meer abstracte categorieën herkennen, zoals of afbeeldingen landschappen, zonsondergangen, bruiloften of verjaardagsfeestjes zijn. Nog maar vijf jaar geleden was het niet duidelijk dat dit probleem volledig oplosbaar was. Maar dat betekent niet dat visie is opgelost.
Wat is een belangrijk probleem dat nog niet is opgelost?
Mensen spelen al een aantal jaren met het idee om bijschriften of beschrijvingen voor afbeeldingen en video te genereren. Er zijn op het eerste gezicht indrukwekkende demonstraties geweest, maar die zijn niet zo indrukwekkend als ze eruitzien. Hun expertisegebied is zeer beperkt tot het universum waarin we ze trainen. Bij de meeste systemen laat je ze afbeeldingen zien met andere soorten objecten of ongebruikelijke situaties die ze nog nooit hebben gezien en ze zullen er complete onzin over zeggen. Ze hebben geen gezond verstand.
Wat is het verband tussen visie en gezond verstand?
Yann LeCun, directeur van de onderzoeksgroep voor kunstmatige intelligentie van Facebook.
Het hangt ervan af met wie je praat - zelfs binnen Facebook zijn er mensen met verschillende meningen hierover. Je zou kunnen communiceren met een intelligent systeem puur met taal. Het probleem is dat taal een kanaal met een zeer lage bandbreedte is. Veel informatie die via taal gaat, is omdat mensen veel achtergrondkennis hebben om deze informatie te interpreteren.
Andere mensen denken dat de enige manier om een AI-systeem van voldoende informatie te voorzien, is om het te baseren op visuele waarneming, [die] veel, veel hoger is in informatie-inhoud dan in taal. Als je een machine vertelt Dit is een smartphone, Dit is een stoomwals, Er zijn bepaalde dingen die je kunt verplaatsen door te duwen en andere niet, misschien leert de machine basiskennis over hoe de wereld werkt. Een beetje zoals baby's leren.
Baby's leren echter veel over de wereld zonder expliciete instructie.
Een van de dingen die we echt willen doen, is ervoor zorgen dat machines het zeer grote aantal feiten die de beperkingen van de echte wereld vertegenwoordigen, verwerven door deze alleen via video of andere kanalen te observeren. Dat is wat hen uiteindelijk in staat zou stellen gezond verstand te verwerven. Dit zijn dingen die dieren en baby's in de eerste paar maanden van hun leven leren - je leert belachelijk veel over de wereld door alleen maar te observeren. Er zijn veel manieren waarop machines momenteel gemakkelijk voor de gek worden gehouden omdat ze een zeer beperkte kennis van de wereld hebben.
Welke vooruitgang wordt er geboekt om software door observatie te laten leren?
We zijn erg geïnteresseerd in het idee dat een lerend systeem de toekomst moet kunnen voorspellen. Je laat het een paar videoframes zien en het probeert te voorspellen wat er gaat gebeuren. Als we een systeem kunnen trainen om dit te doen, denken we dat we technieken hebben ontwikkeld die ten grondslag liggen aan een leersysteem zonder toezicht. Dat is waar, naar mijn mening, veel interessante dingen kunnen gebeuren. De toepassingen hiervoor zijn niet per se in zicht - het is een groot deel van onze inspanningen om vooruitgang te boeken op het gebied van AI.
(Lees meer over onderzoeksprojecten die software proberen te krijgen om visie te gebruiken om de wereld te begrijpen: 'Facebook's Artificial Intelligence Software Gets a Dash More Common Sense', 'How Google Plans to Solve Artificial Intelligence')