Hvordan enheten din kjenner livet ditt gjennom bilder

Ny forskning innen nevrale nettverk kan la datamaskiner identifisere våre daglige handlinger mer nøyaktig enn appene på markedet som sporer ting som GPS-posisjon og hjertefrekvens. En ny datamaskinmodell har oppnådd omtrent 83 prosent nøyaktighet i å identifisere aktivitetene den ser i virkelige bilder – og med bare litt trening kan den gjøre dette for enhver bruker den møter.

Ledet av Georgia Tech-studentene Daniel Castro og Steven Hickson, har forskere laget et kunstig nevralt nettverk designet for å identifisere scener i såkalte egosentriske fotografier tatt fra brukerens synspunkt. Disse kommer vanligvis fra bærbare kameraer som Narrative Clip, MeCam, Google Glass og GoPro, men vanlige mobiltelefonbilder fungerer ofte også. Teamet ga nettverket sine ferdigheter ved å trene det med et sett med rundt 40 000 bilder tatt av en enkelt person over en seks måneders periode. Denne dedikerte frivillige knyttet manuelt hvert bilde til en aktivitet, og bestemte seg naturligvis for å bruke 19 grunnleggende aktivitetsetiketter. Disse etikettene inkluderer bilkjøring, TV-titting, familietid og hygiene.

universet er bevisst

En separat læringsalgoritme kombinerer nevrale nettverks gjetninger med metadata om dagen og tidspunktet da bildet ble tatt. Dette lar nettverket lære vanlige assosiasjoner mellom aktiviteter og til og med komme med spådommer om brukerens kommende tidsplan.



Det er denne ensemblelignende metoden, der vi trente på toppen av en dyp læringsmetode, sier Hickson. Så den kan utnytte den dype læringen og den grunnleggende kontekstuelle informasjonen om daglige aktiviteter. (Se 10 Breakthrough Technologies 2013: Deep Learning. )

Bærbare teknologiutviklere kan tilby mye mer innsiktsfulle tjenester med denne teknologien. Forskerne ser for seg en app som legger merke til en brukers spise- eller treningsvaner og foreslår mulige justeringer. Og siden den kan lære timeplanen din, kan den gi intelligente forslag på farten, som å reise tidlig på jobb på grunn av en trafikkmelding. Castro sier at det til og med kan la en app omorganisere aktivitetene dine gjennom dagen slik at du kan komme deg gjennom dem mer effektivt.

beste hvitvaskingsvirksomheter

Microsoft-forsker Gordon Bell har jobbet med såkalt e-minne, som har som mål å hjelpe menneskelig tilbakekalling med datamaskiner. Han sier at nøkkelen er å gi maskiner muligheten til å gjenkjenne innholdet i bilder. Hvert av disse skrittene fremover [for maskinlæring] er utrolig verdifulle, sier Bell. Jeg vil se på [denne indekseringsevnen] som noe som vil forbedre langtidshukommelsen din ved å kunne finne ting i tidligere situasjoner. Han sier at i fremtiden kan e-minnealgoritmer søke i et bredt utvalg av bilder fra mer enn bare det egosentriske synspunktet, så det har et bredt spekter av anvendelighet.

Heldigvis trenger ikke alle brukere å kompilere en database på 40 000 bilder for å dra nytte av denne teknologien. Da teamet testet maskinlæringsensemblet sitt på to nye frivillige, slet det med endringene i livsstil. Hickson sier at de bare gjorde en rask undersøkelse av effekten av å finjustere modellen, og trente den med bare én dags egosentriske bilder fra de to nye frivillige. Nøyaktigheten i resultatene økte dramatisk, sier han.

briller som hjelper fargeblindhet

Som alltid med bærbare kameraer er det imidlertid komplekse spørsmål om personvern og brukertillit. Point-of-view-fotografering (egografi) tillater innsikt som kan være ekstremt nyttig når den brukes for brukere, men den kan også skape et svært ønskelig mål for kriminelle hackere og nysgjerrige reklameselskaper. Praksisen blir til og med politisk gjennom spredning av politiets kroppskameraer for automatisk å registrere interaksjoner med mistenkte (se Controlling When the Cameras Record ).

Noen av problemene kan forsvinne hvis maskinvaren som trengs for å kjøre intensive maskinlæringsalgoritmer i forbrukerbaserte mobile enheter blir tilgjengelig. Hvis data ikke lenger trenger å reise over Internett for behandling, sier forskerne, blir sikkerheten mye mer håndterlig. Castro sier at utfordringen er om vi kan finne ut hva disse personvernproblemene er nå, slik at vi ikke støter på problemer senere, si fem år senere, når disse enhetene er tilgjengelige.

Forskerne undersøker muligheten for en bildeanalysealgoritme som kan utfylle deres ved å identifisere og fjerne privat informasjon fra bilder automatisk - en tilfeldig forespørsel fra maskinlæringssamfunnet som ville virket altfor ambisiøs for bare noen få år siden.

gjemme seg

Faktiske Teknologier

Kategori

Ukategorisert

Teknologi

Bioteknologi

Teknisk Politikk

Klima Forandringer

Mennesker Og Teknologi

Silicon Valley

Databehandling

Mit News Magazine

Kunstig Intelligens

Rom

Smarte Byer

Blockchain

Feature Story

Alumniprofil

Alumniforbindelse

Mit News-Funksjon

1865

Mitt Syn

77 Mass Ave

Møt Forfatteren

Profiler I Generøsitet

Sett På Campus

Alumnibrev

Nyheter

Valget 2020

Med Indeks

Under Kuppelen

Brannslange

Uendelige Historier

Pandemisk Teknologiprosjekt

Fra Presidenten

Forsidehistorie

Fotogalleri

Anbefalt