هوش مصنوعی گوگل تنها با چند عکس، مدل سه بعدی جسم را از تمام جهات می‎سازد

نوع جدیدی از الگوریتم هوش مصنوعی هوشمند گوگل می‌تواند بفهمد که یک جسم از همه زوایا به چه شکل به نظر می‌رسد – آن هم بدون نیاز به دیدن تمام زوایای آن.

با توجه به تحقیقاتی که امروز در مجله Science منتشر شده است، پس از مشاهده از چندین زاویه‌ی مختلف،  Generative Query Network توانست قطعات ظاهر جسم ، حتی زاویه‌های هم که الگوریتم آن را ندیده بود، را با هم ترکیب کند. و این کار را بدون نظارت یا آموزش انسان انجام داد. این الگوریتم می‌تواند زمان زیادی را صرف جویی کند، زیرا مهندسان همواره الگوریتم‌های پیشرفته‌تری را برای تکنولوژی آماده می‌کنند، اما همچنین می‌توانند توانایی یادگیری ماشینی برای آگاهی روبات (نظامی‌یا غیره) از محیط اطراف خود را افزایش دهد.

محققان گوگل برای نوع جدیدی از سیستم هوش مصنوعی خود قصد دارند یکی از بزرگترین هدر دهنده‌های زمان در زمینه تحقیق هوش مصنوعی را از بین ببرد، تگ کردن تصاویر و فیلم‌هایی که برای آموزش هوش مصنوعی مورد استفاده قرار می‌گیرد. اگر کامپیوتر بتواند از همه چیز خودش سر در بیاورد، دانشمندان دیگر نیازی به صرف زمان زیادی برای جمع آوری و مرتب سازی داده‌ها برای خوراک دهی به الگوریتم خود ندارند.

با توجه به تحقیق، سیستم هوش مصنوعی می‌تواند یک رندر کامل سه بعدی از یک صحنه را بر اساس تنها پنج عکس مجازی جداگانه ایجاد کند. این هوش مصنوعی درباره ی شکل، اندازه و رنگ اشیا به طور مستقل از یکدیگر، یاد گرفته است و سپس تمام یافته‌ها را در یک مدل دقیق سه بعدی به هم متصل می‌کند. هنگامی‌که الگوریتم آن مدل را داشته باشد، محققان می‌توانند از الگوریتم برای ایجاد صحنه‌های کاملا جدید استفاده کنند بدون اینکه به صراحت بگویند که چه چیزی باید کجا قرار بگیرد.

در حالی که آزمایش‌ها در یک اتاق مجازی انجام می‌شود، دانشمندان گوگل متقاعد شده‌اند که کار آنها باعث می‌شود که ماشین‌ها بتوانند به طور مستقل از محیط اطراف خود بیاموزند بدون این که محققان از طریق تزریق مجموعه گسترده ای از داده‌ها موجب وقوع آن شوند.

به سادگی می‌شود دنیایی را تصور کرد که این نوع از هوش مصنوعی برای افزایش برنامه‌های نظارتی مورد استفاده قرار می‌گیرد. اما Network Query Generation هنوز کاملا پیشرفته نیست – الگوریتم نمی‌تواند پس از دیدن پشت سر شما چهره یتان را حدس بزند. تا کنون، این تکنولوژی تنها با آزمایش ساده با اشیاء اولیه مواجه شده است، و نه با چیزی پیچیده‌ای مثل چهره‌ی یک فرد.

در عوض، این تحقیق به احتمال زیاد باعث افزایش برنامه‌های کاربردی موجود برای یادگیری ماشینی مانند افزایش دقت روبات‌های خط مونتاژ برای درک بهتر محیط اطرافشان، می‌شود، .

مهم نیست که چه کاربرد عملی از این  تحقیق زود هنگام بدست آید، این الگوریتم نشان می‌دهد که ما به ماشین‌های واقعا مستقل نزدیک می‌شویم که قادر به درک محیط اطرافشان هستند، درست همانطور که انسان‌ها این کار را انجام می‌دهند.