গুগলের "সুপারহম্যান" নিউরাল নেটওয়ার্ক সত্যিই কি কোনও ছবির অবস্থান বলতে পারে?

ইমেজ জন্য অনুসন্ধান আগের তুলনায় সহজ। কিন্তু যদি আপনি এমন কোনও স্থানে কোনও ছবি খুঁজে পেতে চেষ্টা করেন যা সম্পূর্ণরূপে সুস্পষ্ট নয় (তাই মিশরীয় পিরামিড বা প্যারিসের দৈত্য থাম্ব ভাস্কর্য নয়), এটি আপনার চেয়ে কঠিন - এমনকি কিসের উপর ভিত্তি করে ভৌগলিক অবস্থান তথ্য ইমেজ।

Tobias Weyand নামে পরিচিত Google প্রকৌশলী এবং তার সহকর্মীদের একটি জুড়ি লিখুন। জার্নাল একটি নতুন কাগজ মতে arXiv (উচ্চারিত "সংরক্ষণাগার"), তিনটি একটি গভীর লার্নিং মেশিন তৈরি করেছে যা প্রায় পিক্সেলের বিশ্লেষণের ভিত্তিতে কেবলমাত্র কোনও ফটোর অবস্থান নির্ধারণ করতে সক্ষম।

সফলভাবে একটি কাজটি সফলভাবে সম্পন্ন করার জন্য একটি যন্ত্র পেতে, আপনি এটি দৃশ্যমান সূত্রগুলির উপর ভিত্তি করে অন্তর্দৃষ্টি তথ্য সরবরাহ করতে চান। আপনি এটা মনে করতে চান, অন্য কথায়, একজন মানুষের মতো।

Weyand একটি কৃত্রিম নিউরাল নেটওয়ার্ক উন্নয়নশীল সম্পর্কে সেট - একটি মেশিন সিস্টেম মস্তিষ্কের স্নায়বিক পাথর অনুকরণ করতে পরিকল্পিত, যা এটি একটি মানুষের মত তথ্য জানতে, প্রক্রিয়া, এবং প্রত্যাহার করতে পারবেন। এই নতুন সিস্টেম, প্ল্যানেট দৃশ্যমানভাবে মানুষের অবস্থানের অবস্থান নির্ধারণে দৃশ্যমানভাবে সক্ষম। এটি কোনও সেটিংস কিনা তা নির্ধারণ করে না - এটি অন্দর বা বহিরাগত, এবং কোনও ধরণের অনন্য বা নান্দনিক দৃশ্যমান সংকেত সমন্বিত করে।

কিভাবে PlaNet work না? ওয়েইন্ড এবং তার দলটি বিভিন্ন স্থানে একটি 26,000 বর্গাকার আকারের আকৃতির একটি গ্রিডে বিশ্বের একটি মানচিত্রকে বিভক্ত করে, যা সেসব জায়গায় কতগুলি ছবি নেওয়া হয়েছিল তার উপর নির্ভর করে। ঘন জায়গাগুলি যেখানে অনেকগুলি ছবি ছোট ছোট বর্গক্ষেত্রের মধ্যে মাপসই করা হয়, যখন বৃহত্তর, আরও দূরবর্তী অঞ্চলে বড় স্কোয়ারগুলি কেটে ফেলা যায়।

তারপর দলটি ইতিমধ্যে ভূগর্ভস্থ চিত্রগুলির একটি বড় ডাটাবেস তৈরি করেছে - প্রায় 1২6 মিলিয়ন বিভিন্ন ফটো। বিশ্বের মানচিত্রের গ্রিডে কোন চিত্রটি স্থাপন করা যায় তা প্ল্যানেটকে শেখানোর জন্য প্রায় 91 মিলিয়ন ডেটাসেট হিসাবে ব্যবহার করা হয়েছিল।

তারপর, ডাটাবেস থেকে 34 মিলিয়ন ছবি ভৌগোলিকভাবে স্নায়ুতন্ত্রের কাজ করা হয়েছিল। অবশেষে, প্লানেটটি ফ্লিকার থেকে ২.3 মিলিয়ন জিওট্যাগেড চিত্রগুলির একটি সেট সেটের উপর সেট করা হয়েছিল।

ফলাফলগুলো? প্লেনেট মূলত দেশটির 28.4 শতাংশ ছবি এবং মহাদেশের 48 শতাংশের জন্য নির্ধারণ করতে পারে। উপরন্তু, সিস্টেমটি ফ্লিকারের 3.6 শতাংশের জন্য রাস্তার স্তরের অবস্থান এবং 10.1 শতাংশের জন্য শহরের স্তরের অবস্থান নির্ধারণ করতে পারে।

এবং সর্বাধিক বৃহত globetrotters এমনকি সবচেয়ে মানুষের চেয়ে PlaNet ভাল। ওয়েইন্ড গুগল স্ট্রিট ভিউতে প্রাপ্ত ছবিগুলির লেবেলিং অবস্থানের একটি খেলাতে প্ল্যানেটের বিরুদ্ধে প্রতিদ্বন্দ্বিতা করার জন্য 10 জন ভ্রমণকারীকে তালিকাভুক্ত করেছে।

"সামগ্রিকভাবে, প্ল্যানেট 50 টি রাউন্ডে ২8 জনের জিতেছে, যার মধ্যস্থতাকারী লোকেশন 1131.7 কিমি, আর মাঝারি মানুষের স্থানীয়করণ ত্রুটি 2320.75 কিমি।" গবেষকরা লিখেছেন। "এই ছোট আকারের পরীক্ষাটি দেখায় যে প্ল্যানেট রাস্তার দৃশ্যের দৃশ্যগুলি ভৌগোলিক কাজ করার জন্য অতিমানবিক কর্মক্ষমতা অর্জন করে।"

এটা কি বাস্তব? একটি গুগল প্রকৌশলী সত্যিই একটি "superhuman" বিকাশ এআই। পদ্ধতি?

যখন এটি ছবি geolocating আসে, সম্ভবত। এবং যে সব খুব বিস্ময়কর নয় - এআই পয়েন্ট। মৌলিকভাবে মানব মস্তিষ্ককে সমস্ত উপায়ে অনুকরণ করা নয়, বরং আরও বেশি কঠিন কাজ সম্পাদনের জন্য কয়েকটি নির্দিষ্ট উপায়ে মানুষের সীমাবদ্ধতা অতিক্রম করা। সুতরাং যে অর্থে, গবেষকরা কি লিখতে সত্য।

তা সত্ত্বেও, প্ল্যানেটকে "নিউরাল নেটওয়ার্ক" বলা একটি প্রসারিত অংশ। এই ধরনের প্রযুক্তির আদর্শ রূপটি চিত্র ভূ-অবস্থানের চেয়ে অনেক বেশি শেখার যোগ্য হবে। A.I. সিস্টেম similes লেখা এবং বাজানো সক্ষম গেম তবে এটি একটি আদর্শ "মাস্টার" সিস্টেমের তুলনায় ছোট উপাদান যা স্বয়ংক্রিয়ভাবে মনিটরিং এবং রক্ষণাবেক্ষণ, পরিবহন বা শক্তির অবকাঠামো পরিচালনা এবং আরও অনেক কিছু করতে পারে।