Microsoft Research lucrează cu un AI care poate spune povestea momentelor de vacanță

Inteligența artificială care poate descrie imaginile funcționează deja pe internet, adăugând subtitrări imaginilor de pe Facebook, de exemplu. Acum, Microsoft Research duce tehnologia la nivelul următor, cerând AI-ului lor să spună povestea unei serii de imagini.

De exemplu, în timp ce un program de subtitrări de imagini poate lua cinci imagini și poate spune: „Aceasta este o imagine a unei familii; aceasta este o imagine a unui tort; aceasta este o poză a unui câine; aceasta este o poză a unei plaje”, programul de povestiri ar putea să ia aceleași imagini și să spună: „Familia s-a reunit pentru o bucătărie; au avut o mulțime de mâncare delicioasă; câinele era fericit să fie acolo; s-au distrat de minune pe plajă; au făcut chiar și o baie în apă.”

În viitor, povestirea computerizată ar putea ajuta oamenii să genereze automat povești pentru prezentările de imagini ale imaginilor pe care le încarcă pe rețelele sociale, a spus Mitchell. „Ai ajuta oamenii să-și împărtășească experiențele, reducând în același timp munca detaliată, pe care unii o consideră destul de obositoare”, a spus ea. Povestirea computerizată „poate ajuta, de asemenea, persoanele cu deficiențe de vedere, să deschidă imagini pentru persoanele care nu le pot vedea”.

„Scopul este de a ajuta AI să ofere mai multă inteligență umană, pentru a-l ajuta să înțeleagă lucrurile la un nivel mai abstract – ce înseamnă să fii distractiv sau înfiorător sau ciudat sau interesant”, a spus autorul principal al studiului Margaret Mitchell, un informatician la Cercetare Microsoft. „Oamenii au transmis povești de eoni, folosindu-le pentru a ne transmite morala, strategiile și înțelepciunea. Concentrându-ne pe povestirea, sperăm să ajutăm AI să înțeleagă conceptele umane într-un mod care este foarte sigur și benefic pentru omenire, mai degrabă decât să o învățăm cum să învingă omenirea.”

Dacă AI învață vreodată să spună povești bazate pe secvențe de imagini, „aceasta este o piatră de temelie spre a face același lucru pentru video”, a spus Mitchell. „Acest lucru ar putea ajuta la furnizarea de aplicații interesante. De exemplu, pentru camerele de securitate, s-ar putea să doriți doar un rezumat al oricărui lucru demn de remarcat sau ați putea să live în mod automat evenimentele pe Twitter”, a spus ea.

Cercetătorii își vor prezenta concluziile la San Diego la reuniunea anuală a capitolului nord-american al Asociației pentru Lingvistică Computațională, la sfârșitul acestei luni.