Puuoksad Lõuna-California tänava kohal. Krediit: ShutterstockPeatuge hetkeks ja vaadake oma aknast välja. Tõenäoliselt näete kusagil väljas puud. Kas teate selle liike? Kui tihti tuleks seda kasta? Kas see on tervislik?
Pietro Perona kujutab ette maailma, kus saate vaadata puud – või hulgaliselt muid objekte – ja nutitelefoni abil saada selle kohta kohe teadmisi. Kuigi sina ei pruugi esemest midagi teada, 'keegi teab, mis see on,' ütleb Perona, California Tehnoloogiainstituudi (Caltech) elektrotehnika professor Allen E. Puckett. 'Ja kui keegi teab, peaks ka [teie] iPhone seda teadma.'
Ta ei tähenda, et küsite lihtsalt Google'ilt või Sirilt. Pigem teeksite objektist foto – võtke näiteks puu – ja rakenduses või veebisaidil kasutatav algoritm suudab selle ära tunda, võrreldes teie pilti erinevate puuliikide kohta kogutud andmetega. Perona näeb ette, et seda tüüpi algoritm töötab miljonite muude vaadeldavate asjade jaoks, alates taimedest ja loomadest kuni geoloogiliste moodustisteni – isegi erinevate tervisega seotud sümptomite, nagu nahalööbed, jaoks.
Perona uurib arvutinägemist ja seda, kuidas 'masinas inimese visuaalse süsteemi võimet taasesitada', ütleb ta. Viimastel aastatel on ta olnud eriti huvitatud arvutite õpetamisest, et nad saaksid teha peeneteralist visuaalset kategoriseerimist, mis on võime tuvastada objekte väga konkreetselt, näiteks puu kuni liigini või hoone arhitektuuristiili järgi. Mõned ettevõtted kasutavad juba tehnoloogiaid, mis suudavad seda teha – näiteks Facebooki tarkvara tunneb fotodel ära teie sõprade näod.
2009. aastal hakkas Perona uurima ideed kasutada masinõpet, et pakkuda linnuliikide kohta nõudmisel teadmisi. See oli esimene projekt käimasolevas koostöös Cornelli ülikooli arvutiteaduse professori Serge Belongiega Visipedia , mis on sisuliselt visuaalne entsüklopeedia, mis õpib inimekspertidelt objekte klassifitseerima. Nende laborid töötasid koos linnuekspertidega, et märgistada tuhandeid Interneti-pilte kogu riigist pärit lindudest, märkides nende noka, silmade ja muu morfoloogia eristavaid üksikasju. Seejärel sisestasid nad need andmed oma algoritmi, 'õpetades' seda, kuidas linde nende jälgitavate tunnuste kaudu tuvastada.
Arvuti visuaalsetel algoritmidel on tugevad õppekomponendid, nii et saate luua väga üldise tarkvara, mis võib näitest õppida, ütleb Perona.
Saadud linnualgoritm suudab seni tuvastada rohkem kui 550 linnuliiki Põhja-Ameerikas, ütleb Perona, ja seda rakendati hiljuti mobiilirakenduses nimega. Merlin , mis võimaldab kasutajatel lindu üles laadida või pildistada, et teada saada tema liikidest.
Oma järgmise Visipedia projekti jaoks rakendab Perona seda algoritmi puudele, olles inspireeritud Caltechi ümbruse tingimustest. 'Olin mõnevõrra mures Pasadena puude tuleviku pärast, kuna California piiras kastmist ja ma nägin, et paljud puud surevad,' ütleb Perona. Ta arvas, et algoritm võiks pakkuda paremat tänavapuude inventuuri, mida riigiametnikud saaksid kasutada linnametsade hooldamise strateegiate täiustamiseks.
Õnneks pakuvad satelliidipiltide teenused, nagu Google Maps, korrapäraselt ajakohastatud ja avalikult kättesaadavaid pilte tänavapuudest sellistes linnapiirkondades nagu Pasadena. Perona värbas vabatahtlikke inimesi, kes märgistasid Pasadena ümbruses tehtud piltidel puid mittepuidust objektidest, ning kasutas seejärel linna varasemast puude inventuurist saadud teavet, et koolitada algoritmi tuvastamise oskusi.
Perona ütleb, et kontseptsiooni tõestamise testis, milles võrreldi algoritmi väljundit Pasadena puude linnauuringuga, tuvastas algoritm õigesti umbes 80 protsenti puudest ja nende hulgast tuvastas õiged liigid umbes 80 protsenti ajast.
Perona näeb ette, et seda algoritmi kasutavad peamiselt linnaplaneerijad üle kogu riigi. Perona hindab, et välistades vajaduse inimmõõtjate järele, võib tehnoloogia potentsiaalselt säästa kümneid tuhandeid tunde ja võib-olla isegi miljoneid dollareid. Veelgi enam, algoritmi saaks kasutada puude uuringute regulaarsemaks läbiviimiseks, mis võimaldab saada värskemat teavet puude seisundi kohta antud piirkonnas.
'Enamik linnu küsitleb iga 20-30 aasta tagant, [kuid] võiksime uuringu läbi viia iga kuue kuu tagant, ' ütleb Perona. 'Me nägime, kuidas USA linnametsad aja jooksul palju täpsemalt arenevad, kuidas nad reageerivad kliimamuutustele, kuidas nad reageerivad viirusele, mis levib ühest maakonnast teise. See on rohkem nagu aktsiaturu nägemine või midagi, mis kogu aeg muutub, ja seda ajakohastatakse pigem selle väga staatilise vaatenurga [säilitamise] asemel.