Pengenalan pola sayap kupu-kupu. Gambar milik Li Li
Di sini, di Washington kami telah mendengar tentang hal ini yang Anda sebut "perencanaan sebelumnya, " tetapi kami belum siap untuk menerimanya. Agak terlalu futuristik.
Namun, kami tidak bisa tidak mengagumi dari jauh mereka yang mencoba memprediksi apa yang bisa terjadi lebih dari sebulan dari sekarang. Jadi saya terkesan beberapa minggu yang lalu ketika para pemikir besar di IBM membayangkan dunia lima tahun kemudian dan mengidentifikasi apa yang mereka yakini sebagai lima bidang inovasi yang akan memiliki dampak terbesar pada kehidupan kita sehari-hari.
Mereka telah melakukan ini selama beberapa tahun sekarang, tetapi kali ini desing aneh mengikuti tema - panca indera manusia. Bukannya mereka mengatakan bahwa pada tahun 2018, kita semua akan dapat melihat, mendengar dan mencium lebih baik, tetapi mesin-mesin akan menggunakan teknologi sensorik dan kognitif yang berkembang dengan cepat, komputer akan mempercepat transformasi mereka dari pengambilan data dan mesin pengolah menjadi alat berpikir.
Lihat polanya?
Hari ini, mari kita berurusan dengan visi. Merupakan lompatan logis untuk berasumsi bahwa IBM mungkin merujuk ke Project Glass Google. Tidak diragukan bahwa itu telah mendefinisikan kembali peran kacamata, dari aksesori geeky yang membantu kita melihat lebih baik untuk mengkombinasikan smartphone / perangkat penyelaman data yang suatu hari nanti akan kita kenakan di wajah kita.
Tetapi bukan itu yang dibicarakan oleh para IBM. Mereka fokus pada penglihatan mesin, khususnya pengenalan pola, di mana, melalui pemaparan berulang-ulang pada gambar, komputer dapat mengidentifikasi berbagai hal.
Ternyata, Google kebetulan terlibat dalam salah satu percobaan pengenalan pola yang lebih terkenal tahun lalu, sebuah proyek di mana jaringan 1.000 komputer menggunakan 16.000 prosesor, setelah memeriksa 10 juta gambar dari video YouTube, mampu mengajarkan sendiri betapa kucing terlihat seperti.
Apa yang membuat ini sangat mengesankan adalah bahwa komputer dapat melakukannya tanpa bimbingan manusia tentang apa yang harus dicari. Semua pembelajaran dilakukan melalui mesin yang bekerja bersama untuk memutuskan fitur kucing mana yang pantas mendapatkan perhatian mereka dan pola mana yang penting.
Dan itulah model bagaimana mesin akan mempelajari visi. Berikut adalah cara John Smith, seorang manajer senior dalam Intelligent Information Management IBM, menjelaskannya:
“Katakanlah kita ingin mengajarkan komputer seperti apa pantai itu. Kami akan mulai dengan menunjukkan pada komputer banyak contoh pemandangan pantai. Komputer akan mengubah gambar-gambar itu menjadi fitur yang berbeda, seperti distribusi warna, pola tekstur, informasi tepi, atau informasi gerak dalam kasus video. Kemudian, komputer akan mulai belajar bagaimana membedakan pemandangan pantai dari pemandangan lain berdasarkan fitur yang berbeda ini. Misalnya, ia akan belajar bahwa untuk pemandangan pantai, distribusi warna tertentu biasanya ditemukan, dibandingkan dengan lanskap kota. ”
Seberapa pintar itu pintar?
Baik untuk mereka. Tapi hadapi itu, mengidentifikasi pantai adalah hal yang cukup mendasar bagi kebanyakan dari kita manusia. Mungkinkah kita terbawa perasaan tentang seberapa banyak mesin berpikir akan mampu melakukan untuk kita?
Gary Marcus, seorang profesor psikologi di New York University, berpikir demikian. Baru-baru ini menulis di situs web The New Yorker, ia menyimpulkan bahwa sementara banyak kemajuan telah dibuat dalam apa yang dikenal sebagai "pembelajaran mendalam, " mesin masih memiliki jalan panjang sebelum mereka harus dianggap benar-benar cerdas.
“Secara realistis, pembelajaran yang mendalam hanyalah bagian dari tantangan yang lebih besar dalam membangun mesin yang cerdas. Teknik-teknik semacam itu tidak memiliki cara untuk mewakili hubungan sebab akibat (seperti antara penyakit dan gejalanya), dan cenderung menghadapi tantangan dalam memperoleh ide-ide abstrak seperti "saudara kandung" atau "identik dengan". Mereka tidak memiliki cara yang jelas untuk melakukan inferensi logis, dan mereka juga masih jauh dari mengintegrasikan pengetahuan abstrak, seperti informasi tentang apa objek, untuk apa mereka, dan bagaimana mereka biasanya digunakan. "
Orang-orang di IBM pasti akan mengakuinya. Pembelajaran mesin datang dalam beberapa langkah, bukan lompatan.
Tetapi mereka percaya bahwa dalam lima tahun, pembelajaran yang mendalam akan mengambil langkah maju yang cukup bahwa komputer akan, misalnya, mulai memainkan peran yang jauh lebih besar dalam diagnosis medis, bahwa mereka sebenarnya bisa menjadi lebih baik daripada dokter dalam hal menemukan tumor, pembekuan darah. atau jaringan yang sakit pada MRI, sinar-X atau CT scan.
Dan itu bisa membuat perbedaan besar dalam hidup kita.
Melihat adalah percaya
Berikut ini lebih banyak cara visi mesin berdampak pada kehidupan kita:
- Mengajukan lengan terbaik Anda: Teknologi yang dikembangkan di University of Pittsburgh menggunakan pengenalan pola untuk memungkinkan para lumpuh mengendalikan lengan robot dengan otak mereka.
- Mulut Anda mengatakan ya, tetapi otak Anda mengatakan tidak: Para peneliti di Stanford menemukan bahwa menggunakan algoritme pengenalan pola pada pemindaian MRI otak dapat membantu mereka menentukan apakah seseorang benar-benar mengalami sakit punggung bagian bawah atau apakah mereka memalsukannya.
- Ketika tahi lalat Anda siap untuk close up: Tahun lalu sebuah startup asal Rumania bernama SkinVision meluncurkan aplikasi iPhone yang memungkinkan orang untuk mengambil gambar tahi lalat di kulit mereka dan kemudian memiliki perangkat lunak pengenal SkinVision mengidentifikasi setiap penyimpangan dan menunjukkan tingkat risiko tanpa menawarkan diagnosis yang sebenarnya. Langkah selanjutnya adalah memungkinkan orang mengirim gambar kulit mereka langsung ke dokter kulit mereka.
- Sudahkah saya membuat kesepakatan untuk Anda: Sekarang sedang dikembangkan adalah teknologi pemasaran yang disebut Facedeals. Ini berfungsi seperti ini: Setelah kamera di pintu masuk toko mengenali Anda, Anda mengirim penawaran khusus di dalam toko di ponsel pintar Anda. Dan ya, Anda harus memilih terlebih dahulu.
- Saya tahu segel itu ada di mana saja: Sistem ID-foto terkomputerisasi yang menggunakan pengenalan pola membantu ilmuwan Inggris melacak anjing laut abu-abu, yang memiliki tanda unik pada mantel mereka.
Video bonus: Sementara kita berada di subjek kecerdasan buatan, inilah gerombolan robot bermain Beethoven, pujian para ilmuwan di Georgia Tech. Taruhan Anda tidak berharap untuk melihatnya hari ini.
Lebih banyak dari Smithsonian.com
Otak Buatan Lebih Manusiawi
Bagaimana Teknologi Melawan Terorisme
