Software Googlu dokáže slovně popsat obrázky

Výzkumníci firmy Google na tomto softwaru pracují se Stanford University a společně jej představili jako nástroj, který je schopen slovně popsat a označit fotografie s mnohem větší přesností než dosavadní software. Ten je prý schopen rozpoznat pouze jednotlivé objekty, ale nedokáže popsat celou scénu. To mají dokázat algoritmy vyvinuté týmem pracovníků Googlu a Stanfordu, přičemž zpráva mluví o téměř lidské úrovni porozumění. Výsledný text tak může být například "skupina mladých lidí hrajících frisbee" nebo "žlutý školní autobus zaparkovaný na parkovišti". Tento druhý příklad, jak je vidět z následujícího obrázku, je však zrovna nepřesný a nepřesnosti jsou i v dalších popisech.

Popisky bez chyb	Popisky s mírnými chybami	Alespoň trochu se vztahují k obrázku	Nepřesné
Osoba řídící motocykl na nezpevněné cestě	Dva psi si hrají v trávě	Skateboardista dělá trik na rampě	Pes ve skoku chytající frisbee
Skupina mladých lidí hrajících frisbee	Dva hokejisté bojují o puk	Malá holka v růžové čepici fouká bubliny	Lednička plná spousty jídla a pití
Stádo slonů jdoucí přes suchou trávu	Blízký záběr na kočku ležící na gauči *	Červený motocykl zaparkovaný u kraje cesty	Žlutý školní autobus zaparkovaný na parkovišti

Software tedy ještě zdaleka není bezchybný a je otázkou, zda vůbec někdy bude. Nicméně i v této podobě by se mohl využít k přesnějšímu vyhledávání obrázků pomocí zadaného textu. Případně by tento software mohl pomoci nevidomým lidem, nahradit obrázky pro případ, že nemáme k dispozici dostatečně rychlé internetové připojení.
Softwarový systém je založený na dvou neuronových sítí umělé inteligence. Jedna se zabývá vlastním zkoumáním obsahu obrázků a druhá má pak na starosti generování textu, aby dával smysl ve větě či výrazu. Software se může sám učit, čímž se zlepšují jeho schopnosti a výsledná přesnost popisu. Ta má být dle tvůrců v současné době dvakrát vyšší než u jakéhokoliv jiného softwaru.

Více se dozvíte v této práci.

Zdroj: Hexus.net