Алгоритмите на Facebook могат да изберат лицето ви от тълпата (или да се опитате поне), но все още не може да разбере дали позирате в семеен портрет или пиете с приятели - не може да ви каже как взаимодействате с другите, В бъдеще обаче компютрите могат да правят точно това. Сега изследователите предложиха начин да разберат колко интелигентните компютри са на визуална идентификация. Те наричат теста си визуален тест на Тюринг, след теста на компютърния учен Алън Тюринг дали компютърът може да показва интелигентност, подобна на човека.
Популярното схващане на теста е, че се използва за разграничаване на хората от компютрите - и за тази цел се използва една версия, когато правите CAPTCHA, за да се регистрирате за нов имейл. Но изследователите на изкуствен интелект наистина мислят за теста като начин за измерване на това колко напреднал е компютърният интелект досега.
„През последните години има впечатляващ напредък в компютърното зрение“, казва в изявление за пресата Стюарт Джеман, професор по математика в университета Браун и един от изследователите, предлагащи новата оценка. „Смятахме, че може да е време да вдигнем летвата по отношение на начина, по който тези системи се оценяват и сравняват.“
Вместо просто да разпознае, че изображението показва двама души, тестът вижда дали компютрите могат да разберат, че двамата водят разговор или дори спор. Понастоящем изследователите използват публично достъпни набори от данни за тестване на програмите си - MIT има LableMe, който използва краудсорсинг, за да идентифицира например „автомобил“, „дърво“ и „сграда“ в изображения. За да подобрят това и да предложат по-голямо предизвикателство, изследователите, базирани в Браун, създадоха рамка за стандартизиран визуален тест на Тюринг.
Lee Gomes за IEEE Spectrum отчети:
Техният предложен метод изисква дизайнерите на човешки тестове да разработят списък с определени атрибути, които една картина може да има, например дали уличната сцена има хора в нея, или дали хората носят нещо или разговарят помежду си. Снимките първо биха били набрани от хората по тези критерии; след това на компютърна система за зрение ще бъде показана същата картина, без „отговорите“, за да се определи дали е в състояние да избере какво са забелязали хората.
Първоначално въпросите биха били рудиментарни, като питате дали има човек в определен район на снимката, например. Но въпросите ще нарастват в сложността, тъй като програмите стават все по-сложни; по-сложен въпрос може да включва естеството на взаимодействие между различни хора в картината.
Екипът описа теста в Proceedings of the National Academy of Sciences . Досега Герман казва, че никоя компютърна система не би могла да премине дори и простите версии на новия тест. Но те ще бъдат в бъдеще. Тъй като има много възможни атрибути на всяка снимка, изследователите ще трябва да измислят иновативни начини за своите компютри да се научат да оценяват снимки.
„Като изследователи сме склонни да се„ преподаваме на теста “, казва Джеман в изявлението. „Ако има определени състезания, в които всеки участва, и това са мерките за успех, тогава ние се фокусираме върху това. Така че може би е разумно да промените теста, да го поставите просто извън обсега на сегашните зрителни системи. "
