Divízia Google Al pod názvom DeepMind a slávna britská univerzita Oxford využili umelú inteligenciu pre vývoj najpresnejšieho softvéru pre čítanie z pier.

Rozhovor s expertom Microsoftu. Vydanie Windows 11 malo jasný dôvod

Umelá inteligencia vytvorila alternatívnu fyziku, patrí mimozemskej civilizáciil

Najväčší IT giganti sveta sa spojili proti najväčšiemu problému internetu

Pomocou tisícok hodín televíznych záberov z BBC trénovali vedci neurónovú sieť pre anotáciu video záberov so 46,8 % presnosťou. Toto číslo možno na prvý pohľad nevyzerá nijak pôsobivo, no zaujímavo začne znieť vtedy, keď sa dozviete, že profesionálnemu človeku venujúcemu sa čítaniu z pier sa podarilo správne prečítať iba 12,4 % slov.

Podobnej práci sa venovala aj ďalšia samostatná skupina práve z Oxfordskej univerzity. Pomocou podobných techník vytvorili program pod menom LipNet, ktorý dosiahol 93,4 % presnosť v testoch. Pre porovnanie, človek bol úspešný len na 52,3 % zo všetkých pokusov. LipNet však pracoval so špeciálne natočenými zábermi. Pre tréning programu od DeepMind bolo potrebných až 5 000 hodín záberov z TV programov, ako sú Newsnight, Question Time a World Today a prebiehal na princípe „Pozeraj, počúvaj, pozoruj a hláskuj“.

TIP: Google vyvíja softvér na vylepšenie fotografií v nízkom rozlíšení

Videá zahŕňali 118 000 odlišných viet a 17 500 unikátnych slov, kým databáza LipNetu iba 51 unikátnych slov. A aké využitie by vlastne mohli mať takéto programy? Podľa vedcov z DeepMind by mohli ľuďom so sluchovým postihnutím pomôcť pochopiť konverzácie. Ďalej by mohli byť využité napríklad k anotácii nemých filmov alebo na ovládanie hlasových asistentov.