เทคนิคการมองเห็นของคอมพิวเตอร์สามารถคาดการณ์พฤติกรรมของมนุษย์จากวิดีโอ

นักวิจัยจาก Columbia Engineering ได้พัฒนาเทคนิคการมองเห็นของคอมพิวเตอร์ใหม่ที่สามารถคาดการณ์พฤติกรรมของมนุษย์จากวิดีโอ เทคนิคใหม่นี้ให้เครื่องจักรมีความเข้าใจที่มี直覺 ทำให้สามารถคาดการณ์สิ่งที่จะเกิดขึ้นต่อไปได้โดยใช้ความสัมพันธ์ระหว่างคน สัตว์ และวัตถุ

Carl Vondrick เป็นรองศาสตราจารย์สาขาวิทยาการคอมพิวเตอร์ที่ Columbia Vondrick เป็นผู้กำกับการศึกษานี้ ซึ่งได้นำเสนอเมื่อวันที่ 24 มิถุนายน ที่การประชุมสัมมนาระดับนานาชาติเกี่ยวกับการมองเห็นของคอมพิวเตอร์และการรู้จำรูปแบบ

“อัลกอริทึมของเราคือขั้นตอนหนึ่งในการทำให้เครื่องจักรสามารถคาดการณ์พฤติกรรมของมนุษย์ได้ดีขึ้น และดังนั้นจึงสามารถประสานการกระทำของมันกับเราได้ดีขึ้น” Vondrick กล่าว “ผลลัพธ์ของเราจะเปิดโอกาสมากมายสำหรับการทำงานร่วมกันระหว่างมนุษย์และหุ่นยนต์ ยานพาหนะอัตโนมัติ และเทคโนโลยีช่วยเหลือ”

วิธีการใหม่นี้เป็นวิธีการที่แม่นยำที่สุดในประเภทของมันสำหรับการคาดการณ์เหตุการณ์ในการแสดงวิดีโอในอนาคตหลายนาที ระบบแรกวิเคราะห์หลายพันชั่วโมงของภาพยนตร์เกมกีฬาและรายการโทรทัศน์ก่อนที่จะคาดการณ์หลายร้อยกิจกรรม เช่น การจับมือกันและการกระแทกหมัด

หากระบบไม่สามารถคาดการณ์การกระทำเฉพาะได้ มันจะพบแนวคิดระดับสูงที่เชื่อมโยงพวกมัน เช่น คำว่า “การไหว้”

ความพยายามในอดีต

ความพยายามในอดีตในการเรียนรู้ของเครื่องจักรที่คาดการณ์通常มุ่งเน้นไปที่การคาดการณ์การกระทำหนึ่งครั้ง โดยอัลกอริทึมจะตัดสินใจที่จะจำแนกการกระทำเป็นตัวอย่างเช่น การกอด การจับมือกัน การกระแทกหมัดหรือการไม่กระทำการ อย่างไรก็ตาม ความไม่แน่นอนสูงหมายความว่าโมเดลการเรียนรู้ของเครื่องจักรส่วนใหญ่ไม่สามารถหาความคล้ายคลึงกันระหว่างตัวเลือกที่เป็นไปได้

ทีมงานรวมถึงนักศึกษาระดับ博士จาก Columbia Engineering ชื่อ Didac Suris และ Ruoshi Liu และทั้งสองคนมองปัญหาในการคาดการณ์ในระยะยาวในทางที่แตกต่าง

Suris เป็นผู้เขียนร่วมของเอกสาร

“ไม่ทุกอย่างในอนาคตสามารถคาดการณ์ได้” Suris กล่าว “เมื่อบุคคลไม่สามารถคาดการณ์ได้ว่าจะเกิดอะไรขึ้น พวกเขาจะเล่นอย่างปลอดภัยและคาดการณ์ที่ระดับการ абстракцияสูงกว่า อัลกอริทึมของเราคืออัลกอริทึมแรกที่เรียนรู้ความสามารถในการให้เหตุผลอย่างเป็นนามธรรมเกี่ยวกับเหตุการณ์ในอนาคต”

https://www.youtube.com/watch?v=b1riFCPiqN4

การพัฒนาระบบใหม่

Suris และ Liu พึ่งพาเรขาคณิตที่ไม่ธรรมดาในการพัฒนาโมเดล AI ที่จัดระเบียบแนวคิดระดับสูงและคาดการณ์พฤติกรรมของมนุษย์ในอนาคต

Aude Oliva เป็นนักวิจัยอาวุโสที่ Massachusetts Institute of Technology และเป็นผู้อำนวยการร่วมของ MIT-IBM Watson AI Lab

“การคาดการณ์เป็นพื้นฐานของความฉลาดของมนุษย์” Oliva กล่าว “เครื่องจักรทำผิดพลาดที่มนุษย์ไม่เคยทำเพราะพวกมันขาดความสามารถในการให้เหตุผลอย่างเป็นนามธรรม งานนี้เป็นขั้นตอนที่สำคัญในการลดช่องว่างทางเทคโนโลยีนี้”

นักวิจัยได้พัฒนาเฟรมเวิร์กทางคณิตศาสตร์ที่ช่วยให้เครื่องจักรสามารถจัดระเบียบเหตุการณ์ตามความสามารถในการคาดการณ์ในอนาคต ตัวอย่างเช่น ระบบใหม่นี้เรียนรู้วิธีจัดประเภทกิจกรรม เช่น การว่ายน้ำและการวิ่งเป็นของตัวเอง แทนที่จะเรียกว่าการออกกำลังกาย ระบบยังสามารถคำนึงถึงความไม่แน่นอน ซึ่งนำไปสู่การกระทำที่เฉพาะเจาะจงมากขึ้น

ตาม Liu ผู้เขียนร่วมของเอกสาร เทคนิคใหม่ที่พัฒนาขึ้นอาจช่วยให้คอมพิวเตอร์ตัดสินใจที่ละเอียดอ่อนมากกว่าการกระทำที่ถูกตั้งโปรแกรมไว้ และเป็นสิ่งสำคัญสำหรับการสร้างความไว้วางใจระหว่างมนุษย์และคอมพิวเตอร์

“ความไว้วางใจมาจากความรู้สึกที่ว่าหุ่นยนต์จริงๆ แล้วเข้าใจมนุษย์” เขาอธิบาย “หากเครื่องจักรสามารถเข้าใจและคาดการณ์พฤติกรรมของเราได้ คอมพิวเตอร์จะสามารถช่วยเหลือผู้คนในกิจกรรมประจำวันได้อย่างราบรื่น”

ทีมงานจะตรวจสอบว่าเทคนิคนี้ทำงานในโลกแห่งความเป็นจริง และอาจใช้เพื่อความปลอดภัย สุขภาพ และความมั่นคง

“พฤติกรรมของมนุษย์มักจะน่าประหลาดใจ” Vondrick กล่าว “อัลกอริทึมของเราช่วยให้เครื่องจักรสามารถคาดการณ์สิ่งที่พวกเขาจะทำต่อไปได้ดีขึ้น”