Sisu
K:
Miks võivad mõned masinõppe projektid nõuda tohutult palju osalejaid?
A:
Masinõppele mõeldes kipuvad sa mõtlema kvalifitseeritud andmeteadlastele, kes töötavad arvutiruumide klaviatuuridel. Seal on äärmiselt suur rõhk kvantitatiivsel analüüsil ja algoritmidel. Paljudele neist programmidest pole just palju otsest reaalset maailma - vähemalt on see, mida paljud arvaksid.
Kuid mõned tänapäevased murrangulised masinõppeprogrammid kasutavad tänaval, kauplustes ja kõikjal mujal tegutsevate näitlejate armee, et nad saaksid modelleerida põhilisi inimtegevusi, nagu kõndimine, töötamine või ostlemine.
Tom Simonite juhtmega artikkel illustreerib seda väga hästi pealkirjaga "Et muuta AI targemaks, inimesed täidavad oddpalli madala palgaga ülesandeid".
Kasutades Whole Foods toidupoes tehtud lühivideote näidet, tõstab Simonite esile seda tüüpi tööd, mis aitavad välja ehitada masinõppe järgmise etapi.
Siit tuleneb küsimus, miks kõik need inimesed tegelevad end lühikeste ja lihtsate videote filmimisega, mis dokumenteerivad toiminguid nii algelistena nagu käe või jala liigutamine.
Vastus heidab natuke valgust sellele, kus masinõpe on ja kuhu see toimub.
“Teadlased ja ettevõtjad soovivad näha, et AI mõistab ja tegutseb füüsilises maailmas,” kirjutab Simonite, selgitades, miks tema ja teised kaamerate abil ringi tormavad. „Seetõttu on töötajatel vaja supermarketites ja kodudes stseene läbi viia. Nad loovad juhendmaterjale algoritmide õpetamiseks maailma ja selles elavate inimeste kohta. ”
Nagu paljud eksperdid märgivad, hõlmavad masinõppe mõned suurimad piirid pilditöötlust ja loomuliku keele töötlemist. Need on äärmiselt kvantitatiivsed protseduurid - teisisõnu, sisendite spekter ei ole nii lai, nagu neid on reaalses keskkonnas. Selle asemel kasutavad masinõppeprogrammid mudelite loomiseks visuaalseid ja heliandmeid väga spetsiifilistel viisidel. Piltide töötlemisel on selle valimine (piiratud) vaateväljalt valitav. NLP jaoks selle foneemide kokkupanek.
Nendest konkreetsetest sisendikategooriatest kaugemale jõudmine hõlmab midagi, mida võite nimetada "pildi ja kõne lõheks" - ületades selliseid asju nagu pilditöötlus ja kõnetuvastus, liigute piirkondadesse, kus arvutid peavad olema erineval viisil analüütilised. Treeningkomplektid on põhimõtteliselt erinevad.
Sisenege videograafide armeesse. Mõnes neis uutes masinõppeprojektides on väikseimad inimtegevuse ideed koolituskomplektid. Selle asemel, et õpetada klassifitseerimisega seotud funktsioonide, servade ja pikslite otsimiseks, kasutavad arvutid hoopis koolitusvideoid, et hinnata, kuidas erinevad toimingud välja näevad.
Põhiline on see, mida saavad insenerid nende andmetega teha siis, kui neid koondatakse ja laaditakse ning kui arvuti on väljaõppinud. Varsti näete tulemusi erinevates valdkondades - näiteks muudab see järelevalve eriti tõhusaks. Arvutid saavad nägemisväljal "näha", mida inimesed teevad, ja rakendada seda sellistes valdkondades nagu turundus ja müük või mõnel juhul ka valitsusasutuste töö või kriminaalõigus.
Selle tagajärjed annavad veidi valgust ka maksimaalse kasu ja privaatsuse küsimuste vahelisele arutelule. Suur osa nende videote kasutamisest loob masinõppe mudeleid, mis toimivad jälgimiseks - aga kuidas on inimestega, kes ei soovi, et neid jälgitaks? Millised on üksikisiku õigused ja kui need jooned tõmmatakse, kui neid uusi masinõppeprogramme avalikus ruumis kasutusele võetakse?
Igal juhul kasutavad ettevõtted sedalaadi inimressursse ja videoressursse, et tõepoolest kaevata järgmistesse masinaõppe edendamise etappidesse, mis võimaldavad arvutitel reaalselt ära tunda ka nende ümber toimuvat, selle asemel et lihtsalt pilte klassifitseerida või teha kõne. See on tehisintellekti äärmiselt huvitav ja vastuoluline areng ning väärib oma osa tehnoloogiameedias ja mujal.