Microsoft Research arbeitet an einer KI, die die Geschichte Ihrer Urlaubsfotos erzählen kann

KI, die Bilder beschreiben kann, ist bereits im Internet im Einsatz und fügt beispielsweise Bildunterschriften auf Facebook hinzu. Jetzt bringt Microsoft Research die Technologie auf die nächste Stufe und bittet ihre KI, die Geschichte einer Reihe von Bildern zu erzählen.

Während ein Bildunterschriftenprogramm beispielsweise fünf Bilder nehmen und sagen könnte: „Dies ist ein Bild einer Familie; das ist ein Bild von einem Kuchen; das ist ein Bild von einem Hund; das ist ein Bild von einem Strand“, könnte das Storytelling-Programm dieselben Bilder nehmen und sagen: „Die Familie hat sich zum Grillen getroffen; sie hatten viel leckeres Essen; der Hund war glücklich, dort zu sein; sie hatten eine tolle Zeit am Strand; Sie sind sogar im Wasser geschwommen.“

In Zukunft könnte computergestütztes Geschichtenerzählen Menschen helfen, automatisch Geschichten für Diashows von Bildern zu generieren, die sie in soziale Medien hochladen, sagte Mitchell. „Sie würden den Menschen helfen, ihre Erfahrungen auszutauschen, und gleichzeitig die Kernarbeit reduzieren, die manche Leute ziemlich ermüdend finden“, sagte sie. Computergestütztes Geschichtenerzählen „kann auch Menschen mit Sehbehinderung helfen, Bilder für Menschen zu öffnen, die sie nicht sehen können.“

„Das Ziel ist es, KIs mehr menschenähnliche Intelligenz zu verleihen, ihr zu helfen, die Dinge auf einer abstrakteren Ebene zu verstehen – was es bedeutet, lustig oder gruselig oder seltsam oder interessant zu sein“, sagte die leitende Autorin der Studie, Margaret Mitchell, Informatikerin bei Microsoft-Forschung. „Die Menschen haben seit Äonen Geschichten weitergegeben und sie benutzt, um unsere Moral, unsere Strategien und unsere Weisheit zu vermitteln. Mit unserem Fokus auf Geschichtenerzählen hoffen wir, KIs dabei zu helfen, menschliche Konzepte auf eine Weise zu verstehen, die für die Menschheit sehr sicher und vorteilhaft ist, anstatt ihr beizubringen, wie man die Menschheit besiegt.“

Wenn die KI jemals lernt, Geschichten auf der Grundlage von Bildsequenzen zu erzählen, „ist das ein Sprungbrett, um dasselbe für Videos zu tun“, sagte Mitchell. „Das könnte zu interessanten Anwendungen beitragen. Bei Überwachungskameras möchten Sie beispielsweise nur eine Zusammenfassung von allem Bemerkenswerten oder Sie können Ereignisse automatisch live tweeten“, sagte sie.

Die Forscher werden ihre Ergebnisse später in diesem Monat in San Diego auf dem Jahrestreffen des nordamerikanischen Kapitels der Association for Computational Linguistics vorstellen.