A Microsoft Research egy mesterséges intelligencia fejlesztésén dolgozik, amely elmeséli az Ön nyaralásának történetét

A képeket leírni képes mesterséges intelligencia már működik az interneten, például feliratokat ad a képekhez a Facebookon. A Microsoft Research most a következő szintre emeli a technológiát, és arra kéri az AI-t, hogy mesélje el egy képsorozat történetét.

Például, míg egy képfeliratozó program öt képet készíthet, és azt mondja: „Ez egy család képe; ez egy torta képe; ez egy kutya képe; ez egy tengerparti kép”, a mesemondó program elkészítheti ugyanazokat a képeket, és így szólhat: „A család összejött egy főzésre; sok finom ételük volt; a kutya örült, hogy ott lehet; nagyon jól érezték magukat a tengerparton; még a vízben is úsztak.”

A jövőben a számítógépes történetmesélés segíthet az embereknek automatikusan meséket generálni a közösségi médiára feltöltött képek diavetítéseihez, mondta Mitchell. „Segítenéd az embereket, hogy megosszák tapasztalataikat, miközben csökkentsd a fárasztó munkát, amelyet egyesek meglehetősen fárasztónak találnak” – mondta. A számítógépes történetmesélés „segíthet a látássérült embereken is, hogy képeket tárjon fel azok számára, akik nem látják őket”.

"A cél az, hogy az MI-nek több emberhez hasonló intelligenciát adjon, hogy elvontabb szinten megértse a dolgokat – mit jelent szórakoztatónak vagy hátborzongatónak, furcsának vagy érdekesnek lenni" – mondta a tanulmány vezető szerzője, Margaret Mitchell, a kutatás egyik informatikusa. Microsoft Research. „Az emberek évszázadok óta történeteket adtak át, felhasználva őket erkölcseink, stratégiáink és bölcsességünk közvetítésére. A történetmesélésre összpontosítva reméljük, hogy segítünk az MI-nek abban, hogy megértsék az emberi fogalmakat az emberiség számára nagyon biztonságos és előnyös módon, ahelyett, hogy megtanítanánk, hogyan győzze le az emberiséget.”

Ha a mesterséges intelligencia valaha is megtanul történeteket mesélni képsorozatok alapján, „az egy lépcsőfok afelé, hogy ugyanezt tegyük a videók esetében” – mondta Mitchell. „Ez érdekes alkalmazásokhoz segíthet. Például a biztonsági kamerák esetében érdemes összefoglalni bármit, ami figyelemre méltó, vagy automatikusan élőben tweetelhet eseményeket” – mondta.

A kutatók San Diegóban mutatják be eredményeiket a Számítógépes Nyelvészeti Szövetség észak-amerikai részlegének éves találkozóján, még ebben a hónapban.