روایت داستانی برای عکس ها توسط هوش مصنوعی مایکروسافت در آینده

هوش مصنوعی های مختلفی که بتوانند در خصوص تصاویر مختلف توضیحی ارائه دهند (مثلا متنی را در زیر عکس های فیس بوکی بنویسند) در اینترنت فراوانند. اما Microsoft Research قرار است این تکنولوژی را به سطحی بالاتر ببرد. قرار است به ربات های هوش مصنوعی خود بیاموزد تا در خصوص یک سری از تصاویر متواتر داستانی بسازند.

به عنوان مثال یک ربات توضیح دهنده تصاویر را در نظر بگیرید که 5 تصویر را به عنوان ورودی دریافت کرده است. این ربات در خصوص این تصاویر خواهد نوشت: این تصویر یک خانواده است. این تصویر یک کیک است. این تصویر یک سگ است. این تصویر ساحل دریاست. اما در مقابل، ربات داستان سرای مایکروسافت با دریافت این تصاویر ممکن است جملاتی را این گونه بازسازی کند: خانواده به اتفاق هم به پیک نیک رفتند، غذاهای خوشمزه فراوانی میل کردند، سگ از همراهی با آنان خوشحال بود. آن ها زمان خوشی را در ساحل سپری کردند و به شنا در دریا پرداختند.

این گونه ربات های داستان سرا در آینده می توانند کاربران را در تولید خودکار داستانی در خصوص سری های مختلف عکس هایشان در شبکه های اجتماعی یاری کنند. مارگارت میچل (Mitchell)، یکی از مهندسان بخش Microsoft Research می گوید:

بدین وسیله می توان به کاربران برای به اشتراک گذاری عکس هایشان کمک کرد. بدون آنکه درگیر نکات ریزی شوند که از نظر برخی ها پرداختن به آن ها خسته کننده است. داستان سرایی کامپیوتری می تواند به یاری افرادی بشتابد که از اختلالات بینایی رنج می برند و عکس ها را برای کسانی توضیح دهد که نمی توانند آن ها را ببینند. هدف افزایش هوش ربات ها به سمتی است که به هوش و منطق انسانی نزدیک تر باشد، به گونه ای که بتوانند درک انتزاعی تری از دنیای اطراف داشته باشند. حال این موضوع می تواند بسته به شرایط ترسناک، عجیب، جالب و یا فرح بخش باشد.

میچل می افزاید:

انسان ها برای سالیان دراز داستان هایی را برای انتقال تجربیات، اصول اخلاقی و دانش سینه به سینه نقل کرده اند. با تمرکز بیشتر ما بر روی داستان سرایی، امیدواریم بتوانید ربات ها را قادر نماییم تا با مفاهیم انسانی به گونه ای کاملا ایمن و در خدمت بشریت آشنا شوند. نه اینکه به آن ها آموزش دهیم چگونه می توان به بشریت ضربه زد.

اگر یک ربات هوش مصنوعی بتواند بر اساس یک سری از عکس ها داستانی را نقل کند، گامی بسیار بزرگ برای انجام کاری مشابه در خصوص ویدیوها به شمار خواهد آمد. میچل در این خصوص می گوید:

از این موضوع می توان در ساخت اپلیکیشن های جالبی استفاده کرد. به طور مثال در دوربین های امنیتی می توان تصاویر مهم و قابل اعتنا را به صورت اتوماتیک یادداشت برداری و ضبط و ثبت کرد و یا توییت های زنده بر اساس تصاویر زنده ویدیویی تولید نمود.

محققان نتایج تحقیقات خود را در نشست سالانه بخش آمریکای شمالی انجمن زبانشناسی رایانه ای که در شهر سان فرانسیسکو برگزار می گردد ارائه خواهند نمود.

---

نظر شما همراهان ویندوزسنتر در این خصوص چیست؟