Google’ın "Süpermen" Sinir Ağı Gerçekten Herhangi Bir Resmin Konumunu Söyleyebilir mi?

Görüntüleri aramak her zamankinden daha kolay. Ancak, tamamen açık olmayan bir yerde bir şeyin resmini bulmaya çalışıyorsanız (yani, Paris’teki Mısır piramitleri veya dev heykel) değil, düşündüğünüzden daha zordur - ne olduğuna dayanarak konum belirleme bilgisiyle bile görüntüde.

Tobias Weyand adındaki Google mühendisine ve bir çift çalışanına girin. Dergideki yeni bir makaleye göre arXiv (telaffuz edilen “arşiv”), üçlü sadece piksellerin analizine dayanarak neredeyse her fotoğrafın yerini tam olarak belirleyebilen derin öğrenme makinesi kurdu.

Bir makinenin böyle bir görevi başarıyla tamamlamasını sağlamak için, ona görsel ipuçlarına dayanan bilgileri sezme yeteneği vermek istersiniz. Başka bir deyişle, bir insan gibi düşünmesini istiyorsun.

Yapay bir sinir ağı geliştirmeye karar verdik - beynin nörolojik yollarını taklit eden, bir insanın yapabileceği gibi bilgileri öğrenmesini, işlemesini ve hatırlamasını sağlayan bir makine sistemi. PlaNet, bu yeni sistem, görünüşe bakılırsa, ayar ne olursa olsun, görüntülerin yerlerini belirleme konusunda insanlardan daha iyi performans gösterme yeteneğine sahiptir - açık veya kapalı olması ve her türlü benzersiz veya sıra dışı görsel ipuçlarına sahiptir.

PlaNet nasıl çalışır? Weyand ve ekibi, bu bölgelerde kaç tane fotoğraf çekildiğine bağlı olarak, dünya haritasını 26.000 kareye benzer şekilleri oluşturan bir ızgaraya böldü. Çok sayıda resmin çekildiği yoğun yerler daha küçük bir kareye sığarken, daha büyük, daha uzak bölgeler daha büyük kareler halinde kesilebilir.

Ekip daha sonra coğrafi konumdaki çok sayıda resim oluşturdu - yaklaşık 126 milyon farklı fotoğraf. PlaNet'e dünya haritasındaki hangi tabloya hangi görüntünün yerleştirilebileceğini anlamanın nasıl yapıldığını öğretmek için veri kümesi olarak yaklaşık 91 milyon kişi kullanılmıştır.

Daha sonra, sinir ağı, diğer 34 milyon görüntüyü veri tabanından konumlandırmakla görevlendirildi. Son olarak PlaNet, Flickr'dan 2,3 milyon coğrafi etiketli görüntüden oluşan bir veri seti üzerine kuruldu.

Sonuçlar? PlaNet, menşe ülkesini fotoğrafların yüzde 28,4'ü ve kıtanın yüzde 48'i olarak belirleyebilir. Ayrıca, sistem Flickr görüntülerinin yüzde 3,6'sı için cadde seviyesindeki bir yeri ve şehir seviyesindeki yeri ise yüzde 10,1 olarak tespit edebilir.

PlaNet bu konuda çoğu insandan daha iyidir - hatta en büyük göçmenler bile. Wedi ve Google Street View'ta bulunan resimlerin yerlerini etiketleme oyununda PlaNet'e karşı yarışmak için iyi seyahat eden 10 kişiyi dahil ettik.

Araştırmacılar, “PlaNet, 50 turun 28'ini, 1131.7 km ortanca yerelleştirme hatası elde ederken, ortanca insan yerelleştirme hatası 2320,75 km idi” dedi. “Bu küçük ölçekli deney, PlaNet'in coğrafi konumlu Sokak Görünümü sahneleri görevinde insanüstü performansa ulaştığını gösteriyor.”

Bu gerçek mi? Bir Google mühendisi gerçekten sadece “insanüstü” bir A.I. geliştirdi mi? Sistem?

Belki de görüntüleri konumlandırmaya gelince. Ve hepsi bu kadar şaşırtıcı değil - A.I. İnsan beynini her yönden temelde taklit etmek değil, çok daha zor işleri başarmak için insan sınırlamalarını birkaç spesifik şekilde aşmak değildir. Yani bu anlamda, araştırmacıların yazdıkları doğru.

Yine de, PlaNet’e “sinir ağı” adını vermek çok zor. Bu tür bir teknolojinin ideal bir şekli, görüntü coğrafi konumdan çok daha fazlasını öğrenebilir. A. I. sistemler benzetme ve oynama yeteneğine sahiptir Süper Mario Ancak bu, hayati değerleri otomatik olarak izleyebilen ve koruyabilen, ulaşım veya enerji altyapısını yönetebilen ve çok daha fazlasını yapabilen ideal bir “ana” sisteme kıyasla küçük şeylerdir.