Создано гибридное компьютерное зрение на основе искусственного интеллекта, сочетающее в себе физику и большие данные

Компьютерное зрение - это область искусственного интеллекта и компьютерной науки, которая занимается разработкой алгоритмов и систем, способных анализировать, интерпретировать и понимать изображения и видео.

Исследование, предлагает обзор гибридной методологии, целью которой является улучшение способности искусственного интеллекта осознавать, взаимодействовать и реагировать на окружающую среду в режиме реального времени. Например, рассматривается, как автономные транспортные средства могут двигаться и маневрировать, а также как роботы могут использовать усовершенствованные технологии для выполнения точных действий.

Компьютерное зрение дает искусственному интеллекту возможность видеть и понимать окружающий мир, анализируя данные и извлекая физические характеристики изображений. В то время как эти изображения формируются с помощью физических принципов света и механики, традиционные методы компьютерного зрения в основном основаны на обучении на основе данных для повышения своей производительности. Однако исследования, базирующиеся на физических принципах, идут по другому пути и исследуют различные физические принципы, лежащие в основе многих проблем компьютерного зрения.

Включение понимания физики - законов, регулирующих массу, движение и другие аспекты - в развитие нейронных сетей, моделирующих искусственный интеллект по образу человеческого мозга с его миллиардами нейронов, представляло сложность. Однако сейчас существует несколько многообещающих направлений в исследованиях, которые ставят перед собой задачу объединить элементы физического понимания в уже существующие надежные сети, основанные на обработке данных.

Исследование, проведенное в Калифорнийском университете в Лос-Анджелесе, направлено на использование как глубоких знаний из данных, так и экспертных знаний из физики для создания гибридного искусственного интеллекта с расширенными возможностями.

Исследовательская группа представила три подхода к интеграции физики и данных в области искусственного интеллекта компьютерного зрения:

1. Включение физической информации в наборы данных искусственного интеллекта: Дополнительные атрибуты объектов, такие как их скорость или масса, могут быть отмечены в данных, аналогично информации о персонажах в видеоиграх.

2. Включение физических свойств в сетевые архитектуры: Данные могут проходить через сетевой фильтр, который кодирует физические характеристики объектов, зафиксированные камерами.

3. Включение физических знаний в функцию потерь сети: Знания, основанные на физике, могут быть использованы для помощи искусственному интеллекту в интерпретации учебных данных о восприятии окружающей среды.

Исследования в этих трех направлениях уже показали обнадеживающие результаты в улучшении компьютерного зрения. Например, гибридный подход позволяет искусственному интеллекту более точно отслеживать и прогнозировать движение объектов, а также создавать высококачественные изображения с высоким разрешением из сцен, которые иначе были бы скрыты плохими погодными условиями.

Исследователи утверждают, что с дальнейшим прогрессом в этом двухмодальном подходе к искусственному интеллекту, основанному на глубоком обучении, возможно даже самостоятельное изучение законов физики. Информация об этом размещена на сайте Tech Xplore.