Može li Googleova "nadljudska" neuronska mreža stvarno reći lokaciju bilo koje slike?

Pretraživanje slika lakše je nego ikad. Ali ako pokušavate pronaći sliku nečega na mjestu koje nije posve očigledno (pa ne i egipatske piramide ili ogromna palčka skulptura u Parizu), to je teže nego što mislite - čak i uz podatke o geolokaciji na temelju onoga što na slici.

Unesite Googleovog inženjera po imenu Tobias Weyand i par njegovih kolega. Prema novom članku u časopisu arXiv (izgovara se kao "arhiv"), trio je izgradio stroj za duboko učenje sposoban odrediti mjesto gotovo svake fotografije koja se temelji isključivo na analizi piksela.

Da bi stroj mogao uspješno izvršiti zadatak kao što je ovaj, želiš mu dati mogućnost intuitivnog informiranja na temelju vizualnih tragova. Vi to želite misliti, drugim riječima, kao ljudsko biće.

Weyand je počeo razvijati umjetnu neuronsku mrežu - strojni sustav osmišljen tako da oponaša neurološke puteve mozga, koji mu omogućuju učenje, obradu i prisjećanje informacija poput ljudskog bića. Ovaj novi sustav, PlaNet, očigledno je sposoban nadmašiti ljude na određivanju lokacija slika bez obzira na postavku - bilo da je u zatvorenom ili na otvorenom, i da sadrži bilo koju vrstu jedinstvenih ili nevidljivih vizualnih znakova.

Kako PlaNet radi? Weyand i njegov tim podijelili su kartu svijeta u mrežu koja je položila preko 26.000 kvadratičnih oblika na različitim regijama, ovisno o tome koliko je slika snimljeno na tim mjestima. Gusto mjesto na kojemu se puno slika uklapa u manji kvadrat, dok veće, udaljenije regije mogu izrezati na veće kvadrate.

Tim je potom stvorio veliku bazu slika koje su već geolocirane - gotovo 126 milijuna različitih fotografija. Oko 91 milijun korišteno je kao skup podataka za podučavanje PlaNeta kako shvatiti koja se slika može smjestiti u mrežu na karti svijeta.

Zatim je neuronska mreža dobila zadatak da geolocira ostalih 34 milijuna slika iz baze podataka. Konačno, PlaNet je postavljen na skup podataka od 2,3 milijuna slika s geografskim oznakama iz Flickra.

Rezultati? PlaNet bi mogao odrediti zemlju podrijetla za 28,4 posto fotografija, a kontinent za 48 posto. Nadalje, sustav bi mogao odrediti lokaciju na razini ulice za 3,6 posto Flickr-ovih slika i lokaciju na razini grada za 10,1 posto.

I PlaNet je bolji u tome od većine ljudskih bića - čak i najvećih globetrottera. Weyand je uvrstio 10 dobro putovanih pojedinaca kako bi se natjecali protiv PlaNeta u igri označavanja lokacija slika pronađenih na Google Street View.

"Sveukupno, PlaNet je osvojio 28 od 50 rundi s medijanskom pogreškom lokalizacije od 1131,7 km, dok je srednja pogreška lokalizacije bila 2320,75 km", napisali su istraživači. "Ovaj mali pokus pokazuje da PlaNet dostiže nadčovjekovu izvedbu pri zadatku geolokacije prizora s Street Viewa."

Je li to stvarno? Je li Googleov inženjer doista samo razvio "nadljudsko" A.I. sustav?

Kad je riječ o geolokacijskim slikama, možda. I to nije previše iznenađujuće - točka A.I. nije temeljno oponašati ljudski mozak na sve načine, nego nadmašiti ljudska ograničenja u nekoliko specifičnih načina kako bi ostvarili mnogo teže zadatke. Dakle, u tom smislu, ono što istraživači pišu je istina.

Ipak, teško je nazvati PlaNet "neuronskom mrežom". Idealan oblik te vrste tehnologije mogao bi naučiti mnogo više od geolokacije slike. A. I. sustavi su sposobni pisati usporedbe i igranje super Mario, ali ovo je mala stvar u usporedbi s idealnim "master" sustavom koji može automatski pratiti i održavati vitalne značajke, upravljati transportom ili energetskom infrastrukturom, i još mnogo toga.