Искусственный интеллект уже может многое предсказывать. Он не скроет, куда мы идем и что будем делать дальше

Искусственный интеллект уже может многое предсказывать. Он не скроет, куда мы идем и что будем делать дальше.Как мы можем узнать из исследовательской работы, опубликованной 31 мая , исследователи из Университета Карнеги-Меллона, Google AI и Стэндфордского университета подтвердили, что системы глубокого обучения способны предсказывать наши действия. Как это возможно?

Предсказание траектории движения и поведения. Наряду с развитием алгоритмов и технологий, системы могут анализировать все больший объем информации, в том числе из видеоматериалов. Это может быть полезно, например, в приложениях, которые помогают прогнозировать поведение пешеходов, и предотвращать аварии . Поэтому с этой точки зрения чрезвычайно важно спрогнозировать будущий пешеходный путь, известный как прогноз пути / траектории будущего человека. Как мы узнали из научной работы, сначала человек в видео кодируется с помощью богатых визуальных функций, которые позволяют вам запечатлеть поведение человека и его взаимодействие с окружающей средой. Для этого происходит распознавание лиц с помощью нейронных сетей и дальше идет обработка массивных данных.

Затем добавляются вспомогательные задачи прогнозирования местоположения активности, чтобы облегчить процесс совместного обучения. Полученная модель исследователей продемонстрировала свою эффективность как в популярном, так и в недавнем крупномасштабном сравнительном тесте видео. Более того, было показано количественно и качественно, что следующая модель успешно предсказывает значительную будущую деятельность.

Таким образом, анализ пешеходной активности и использование богатых информационных функций позволяет научить системы предсказывать будущие действия и их местонахождение.

Моделирование путей поведения и деятельности. Испытания, проведенные учеными, показывают, что этот метод способен не только угадывать будущую траекторию движения, но и давать осмысленный прогноз будущей активности. Результат представляет собой первое эмпирическое свидетельство того, что совместное моделирование путей и действий способствует прогнозированию будущих путей.

Использование технологий. Это уже считается ключевым элементом в понимании видеоматериала. Такой взгляд на визуальную информацию из прошлого, как заявляют ученые, может помочь предсказать следующие действия во многих приложениях, используемых, например, в автономных автомобилях или робототехнике. Кроме того, он может поддерживать общественную безопасность, мониторинг и управление трафиком, автоматически обнаруживая активность в потоковом видео.

Этические аспекты этого решения. Перспектива повышения безопасности дорожного движения и решения в некоторой степени проблемы автономных автомобилей звучит очень оптимистично. К сожалению, у решения есть и обратные стороны.

Подобные исследования будущего пути и прогнозирования активности могут вызвать этические вопросы, касающиеся конфиденциальности и безопасности. Этот метод еще не тестировался на разных популяциях, и, как мы знаем, люди могут вести себя по-разному в разных ситуациях, поэтому прогнозирование их активности также должно быть адаптировано к отдельным популяциям и их специфике.