„Szuper-valósághű” képfelismerésen dolgozik az Apple

Az Apple első mesterséges intelligenciáról szóló tanulmánya képfelismerő mély ideghálókat jobb teljesítményre ösztönző módszert ír le.

Ideghálókat általában adatsorok felcímkézett képein gyakoroltatják. 2015-ben például a Georgia Techen kidolgoztak egy mélytanulás-módszert, amellyel a rendszer felismeri egy adott személy okostelefonjával rendszeres időközönként készített képeket. Be akarták mutatni vele, hogy a mélytanulás képes „megérteni” az emberi viselkedést és az illető szokásait, majd mindezen ismeretek alapján az MI javaslatokat tesz a felhasználónak.

A módszer hátulütője a képek (a Georgia Technél 40 ezer) manuális címkézésével eltöltött irdatlan idő. Az MI-kutatók ezért inkább előre címkézett szintetikus képeket használnak, aminek szintén megvannak a maga korlátai: gyakran nem elég valósághűek az adatok, és a tanulóhálózat nem tud valódi képeket általánosítani.

Az Apple szerint a szimulált és felügyelet nélküli (S+U) tanulás a megoldás: egyrészt előre címkézett képekkel próbálnak dolgozni, másrészt a szintetikus képek címkézetlen valódi képekhez társításával „szuper-valósághűeket” hoznak létre. Így a címkézés is megmarad, és a képfelismerés is gyorsabb, pontosabb.

A kivitelezéshez a 2014-ben létrehozott úgynevezett „egységesen elosztott generatív hálózatok” (GANs) módszert használták: a két idegháló egymással versengve próbál szuper-valósághű képsorozatokat készíteni.