Аспирант научился различать 200 пород собак ради победы над алгоритмом распознавания изображений Google

Аспирант Стэнфордского университета рассказал журналу Wired о собственных исследованиях искусственного интеллекта и попытке победить алгоритмы Google в сфере распознавания изображений. Научившись отличать более 200 пород собак, ему удалось доказать, что в точности определения объектов на фотографиях человек всё ещё способен оказаться лучше компьютерной программы.

Французский бульдог

Посоревноваться с системами искусственного интеллекта в угадывании снимков молодой учёный Андрей Карпатый (Andrej Karpathy) впервые решил в 2011 году. Воспользовавшись программным обеспечением, разработанным в его вузе, он провёл тест на 50 тысячах картинок, разбитых на 10 категорий: «собаки», «лошади», «грузовики» и так далее. Его собственные показатели при прохождении заданий в среднем были выше точности, продемонстрированной компьютером.

В 2014-м Карпатый решил повторить эксперимент, на этот раз взяв за основу тест на визуальное распознавание, созданный проектом ImageNet. Ранее одна из программ Google прошла тест ImageNet, верно отсортировав 93,4 процента изображений. Точность распознавания фото, показанная Андреем Карпатым на этом же тексте с первой попытки, оказалась ниже — «всего» 85 процентов.

Как говорит сам аспирант Стэнфорда, дело оказалось в том, что с 2011 года искусственный интеллект научился определять снимки по куда большему числу категорий, чем раньше. Категория «собаки», к примеру, теперь превратилась почти в 200 разных подгрупп, в зависимости от конкретной породы пса, изображённого на картинке. Для того, чтобы вновь победить ИИ, Карпатому пришлось стать экспертом по собакам и научиться визуально отличать по внешнему виду все 200 пород.

Когда я увидел всех этих собак, то подумал: о нет, машина легко распознает эти изображения, а я буду напрягаться и потеть, пытаясь понять, что это за порода.

Андрей Карпатый, аспирант Стэнфорда

Спустя две недели и 50 часов тренировок, молодой человек вновь прошёл тест. На этот раз ему удалось победить Google. Карпатый верно идентифицировал 94,9 процента изображений. Точность машинного распознавания оказалась почти на 1,7 процента ниже.

Сам молодой учёный свой результат оценивает скромно. По его словам, точно распознавать объекты на фотографиях важно, но куда сложнее другая задача, связанная с определением трёхмерных параметров на фото — взаимоудалённости предметов друг от друга, правильное определение их форм, размеров и так далее. Также проблемной зоной в области развития искусственного интеллекта остаётся его способность идентифицировать на снимках абстрактные объекты.

Помимо исследовательских экспериментов в вузах, при помощи проекта ImageNet ежегодно проводятся и открытые соревнования по распознаванию объектов на фото под названием ImageNet Large Scale Visual Recognition Challenge (ILSVRC). Сам проект в настоящее время объединяет в своей базе данных более 14 миллионов изображений.