Επιμέλεια, μετάφραση: Θωμάς Αργυρέας
Μια διαδικασία που αναπτύχθηκε από επιστήμονες υπολογιστών από το Πανεπιστήμιο της Βόννης στη Γερμανία, που «μετατόπισε» επιτυχώς τα όρια μέχρι ποιό σημείο οι υπολογιστές μπορούν να προβλέψουν με ακρίβεια, ανθρώπινες συμπεριφορές, λίγα λεπτά πριν εκδηλωθούν.
Οι τρέχουσες γενιές του λογισμικού πρόβλεψης ενδιαφέρονται μόνο να αναγνωρίσουν τι θα κάνουμε τα επόμενα δευτερόλεπτα.
«Θέλουμε να προβλέψουμε το χρόνο και τη διάρκεια των δραστηριοτήτων, λεπτά ή και ώρες πριν συμβούν», λέει ο επικεφαλής της ερευνητικής ομάδας Jürgen Gall.
Ο στόχος ήταν να διαπιστωθεί εάν ένα πρόγραμμα θα μπορούσε να δημιουργήσει μία λίστα ενεργειών έως πέντε λεπτά στο μέλλον, με βάση την παρακολούθηση των πρωταρχικών βημάτων μιας δραστηριότητας.
Συγκεκριμένα, εκπαίδευσαν το λογισμικό, να μαντεύει τι θα κάνει ο σεφ που βλέπει μέσω κάμερας. Η εκπαίδευση έγινε δείχνοντάς του μια σειρά βίντεο από άτομα που φτιάχνουν πρωινό ή σαλάτα.
Μπορείτε να δείτε μερικά παραδείγματα παρακάτω.
Στη συνέχεια, έδειξαν στο πρόγραμμα ένα εντελώς νέο βίντεο ενός άλλου ατόμου που προετοίμαζε ένα παρόμοιο γεύμα και παρακολούθησαν τον τρόπο που μάντεψε τα επερχόμενα βήματα και την αντίστοιχη διάρκεια τους.
Για εσάς ή εμένα, αυτό δεν είναι ακριβώς πρόκληση. Αν δείτε κάποιον να αρπάξει ένα μπολ και κάποια δημητριακά, μπορείτε να είστε σίγουροι ότι το επόμενο στάδιο θα είναι να πάει να πάρει το γάλα, το οποίο στάδιο θα διαρκέσει 5 δευτερόλεπτα και ίσως στη συνέχεια να διασχίσει την κουζίνα για ένα κουτάλι.
Αλλά αυτή η διαδικασία πρόβλεψης δεν είναι ένα απλό πρόγραμμα για υπολογιστές.
Η ομάδα εξέτασε δύο προσεγγίσεις χρησιμοποιώντας διαφορετικούς τύπους τεχνητών νευρωνικών δικτύων: έναν που προέβλεπε τις μελλοντικές ενέργειες και δρούσε αντανακλαστικά πριν από την πραγματοποίηση της πρόβλεψης κι έναν άλλο τύπο που δημιουργούσε έναν πίνακα πιθανών κινήσεων ακριβώς πριν το επόμενο βήμα.
Όπως θα περίμενε κανείς, όσο πιο βαθιά κοίταζε το μέλλον, τόσο περισσότερα λάθη έκανε.
«Η ακρίβεια ήταν πάνω από 40 τοις εκατό για σύντομες περιόδους προβλέψεων, αλλά στη συνέχεια μειωνόταν τόσο, όσο περισσότερο απαιτούσαμε από τον αλγόριθμο να προβλέψει βαθύτερα στο μέλλον», λέει ο Gall.
Η αντανακλαστική προσέγγιση ήταν λίγο καλύτερη από τη μέθοδο του πίνακα κατά την εξέταση των επόμενων 20 δευτερολέπτων, αλλά τα δύο διαφορετικά νευρωνικά δίκτυα ισορροπούσαν εξίσου με τα 40 δευτερόλεπτα βάθους πρόβλεψης.
Στο απώτερο μέλλον, οι επιστήμονες προσδοκούν ότι το εκπαιδευμένο πρόγραμμά τους, θα μπορεί να προβλέψει σωστά μια δράση σε βάθος 3 λεπτών στο μέλλον με περίπου το 15 τοις εκατό του χρόνου έναρξης της δράσης.
Αυτό μπορεί να μην ακούγεται εντυπωσιακό, αλλά δημιουργεί σταθερό έδαφος για μια μελλοντική τεχνητή νοημοσύνη που θα μπορούσε ενδεχομένως να αναπτύξει «υπερ-ανθρώπινη» ικανότητα πρόβλεψης.
Η ομάδα θα παρουσιάσει τα αποτελέσματά της στη φετινή διάσκεψη IEEE για το Vision Computer and Pattern Recognition στο Salt Lake City, η οποία ελπίζουμε ότι θα προκαλέσει αρκετό ενδιαφέρον για το λογισμικό πρόβλεψης.
Υπάρχει ακόμη αρκετό έδαφος για κάλυψη, ειδικά επειδή ο τελικός στόχος θα ήταν να έχουν τα προγράμματα την ικανότητα να αποκτήσουν αρκετή εμπειρία από μόνα τους, χωρίς να χρειάζεται να εκπαιδευτούν.
Ξεχάστε την πρόβλεψη των εγκλημάτων πριν συμβούν: έχουμε πολύ δρόμο να προχωρήσουμε πριν χρειαστεί να ανησυχήσουμε για αυτό το είδος μέλλοντος. Οι καλύτεροι αλγόριθμοί μας πασχίζουν μετά βίας να προβλέψουν ποιοι εγκληματίες θα υποτροπιάσουν, αφήστε όμως πρώτα να κατορθώσουν να μαντέψουν ποιος, εν πρώτοις, θα παραβεί το νόμο.
Αυτό που θα μπορούσε να κάνει ένας τέτοιος αλγόριθμος πρόβλεψης, είναι να μας βοηθήσει να βελτιώσουμε τη νοημοσύνη των αυτο-οδηγούμενων οχημάτων, ή να μας βοηθήσει να με τις δουλειές του σπιτιού, ενεργοποιώντας το κατάλληλο μάτι κουζίνας τη στιγμή που βγάζουμε ένα πακέτο λαζάνια από το ντουλάπι.
Ίσως τελικά να μας δώσει μια νέα έκδοση του Clippy του βοηθού γραφείου, ο οποίος θα προέβλεπε με μια ματιά ότι πραγματικά δεν θα ήθελα καμιά βοήθεια για να γράψω αυτό το άρθρο.
APODYOPTES 