A mesterséges intelligencia még borzasztó messze van a sci-fi-irodalomból ismert, emberfeletti gépagyaktól, de a neurális hálózatok fejlesztése ettől még soha nem látott tempóban zajlik. A minden téren bevethető MI nem csak nem létezik, de egyelőre nem is hiányzik, hiszen a specializált, öntanuló algoritmusok több területen már egyértelműen jobb teljesítményre képesek a humán felhasználóknál. A VentureBeat egyik MI-kutató vendégszerzője szerint a gépek az alábbi területen húztak el az emberi intelligenciától:

Kép- és objektum-felismerés

Ez az egyik olyan terület, ahol az MI már látványosan jobb teljesítményre képes az emberi felhasználóknál, vagyis ahol a legjobban látszik, mennyire felgyorsítják a kutatásokat az utóbbi időben elérhetővé vált technikai lehetőségek. Ez nem csak az algoritmusok pontosságára vonatkozik, de olyasmire is, mint ugyanannak a dolognak a más nézőpontból, más környeretben (esetleg részleteiben) való felismerése. Egy korábban idézett stanfordi kísérletben például az MI simán felülműlt egy olyan PhD-hallgatót, aki kereken 100 órán át készülhetett ugyanannak a publikus képadatbázisnak a tanulmányozására.

Játékok

Az emberek által megfejthetetlennek tartott játékok sorra esnek el a gépi intelligencia előtt: a dáma, a sakk, a póker vagy utóbb a gó is erre a sorsra jutott, sőt a Google DeepMind algoritmusának már jelentős adatbázisokra sincs szüksége, hogy magától megtanuljon az emberi képességeken túlmutató szinten játszani. A videojátékok az MI szempontjából összetettebbek, de a rendszerek ezeket is gyorsan elsajátítják, és egyre többször olvasni róla, hogy a magukat tanító programok már az összetettebb játékokat is képesek tökéletesre fejleszteni.

Hangképzés és -felismerés

A beszédhang gépi értelmezését a legtöbben az ember-gép interakció következő minőségi ugrásának tekintik, az MI-k azonban ennél is többre képesek. A Google vagy a Baidu mélytanuló hálózatai képesek az emberi beszédet utánzó hangok előállítására, amiben egyre jobbak és jobbak lesznek, bár az áltuluk generált hangokat már így is nagyon nehéz megkülönböztetni a humán beszédtől. Ezzel párhuzamosan egyetemi kutatók több helyen is létrehoztak olyan szájról olvasó algoritmusokat, amelyek kétszer pontosabbak, mint egy szájról olvasni képes ember – sőt a mesterségesen előállított hangot egy választott videóval is szinkronizálhatják.

Művészeti stílusutánzás

A neurális hálózatok képesek minden részletre kiterjedően feltérképezni egy adott műalkotáson az ecsethasználatot, a színválasztást, az árnyékolást és más jegyeket, hogy aztán a művészre jellemző stílust tokkal-vonóval átvigyék egy új, az elemzés eredményeképpen létrehozott alkotásra. A technológia már a mobil applikációk között is megjelent, és tényleg látványos módon változtatja át a felhasználók fotóit klasszikus műalkotásokká.
 

forrás: deepart.io

Előrejelzés

Az egyik legtöbbször felbukkanó téma, hogy a mesterséges intelligencia analitikai képességei egyre több területen múlják felül az emberi közreműködéssel végzett adatelemzést. Ez nem csak a feldolgozás nagyságrendjére és sebességére igaz: egy másik, gyakran idézett stanfordi kísérlet például arról szólt, hogy az MI a Google Maps sok millió felvételét megvizsgálva, a képeken látható járművek fajtájának, típusának és életkorának analízisével 88 százalékos pontossággal belőtte az amerikai választásokon leadott szavazatok arányát egy-egy adott környéken.

Webdizájn-módosítás

Az MI-integráció ezen a területen már gyorsabb és hatékonyabb változtatásokat tesz leehtővé az oldalak szerkezetében, mint ahogy arra az emberi webtervezők képesek lehetnének, meghatározva az átlagosnak tekinthető felhasználói benyomásokat. A technológia elemzi a mintákat, ennek alapján értékeli az oldalak felépítését és elemeit, javítva az eredményeket a konverzió és más fontos indikátorok tekintetében.