Kamerák működnek a telefonokban, az autókban, a modern háztartási eszközökben és a köztereken. Többnyire észre is vesszük őket, a háttérben zajló elemzésből viszont szinte semmit sem látunk. Pedig ugyanabból a néhány másodperces felvételből rengeteg különböző információhoz lehet hozzájutni. Az autó rendszere az arc és a tekintet változásaiból a vezető fáradtságára következtethet. Egy stadion kamerái folyamatosan követhetik a játékosok helyzetét, így akár tíz centiméteres pontossággal segíthetik a les megállapítását. A lakásban működő kamera észleli a mozgást, majd értesíti a tulajdonost. De ma már olyan telefon is létezik, amely az arc helyzetéből állapítja meg, hogy fekve vagy ülve nézzük-e a kijelzőt.
„Azt általában tudjuk, hogy felvétel készül rólunk, azt viszont már nem, milyen információt keres rajta az algoritmus, és mit képes megállapítani belőle. Ez még a szakemberek számára sem mindig egyértelmű” – mondta Pető Márk gépi tanulási mérnök, a Bosch szenior szoftverfejlesztője a vállalat podcastjának legutóbbi adásában. Hozzátette, a kamerák elhelyezéséből önmagában még nem derül ki, mire használjuk: ugyanaz a kép alkalmas lehet a mozgás követésére, egy arc azonosítására vagy egy szokatlan viselkedés felismerésére. A gépi látás ereje tehát abban rejlik, hogy egy hétköznapi felvételből is nagyon részletes adatokat képes feldolgozni.
Egyes képfelismerési teszteken a gép már jóval kevesebbet hibázik az embernél. Nagy mennyiségű képből tanul, így előre meghatározott szabályok nélkül is képes felismerni a visszatérő mintázatokat. Ez a fölény azonban mindig egy pontosan meghatározott feladatra vonatkozik. Egy algoritmus például könnyen felismeri, hogyha valaki fut az utcán. Azt már sokkal nehezebben állapítja meg, hogy miért teszi: sportol, próbálja elérni a villamost vagy menekül valami elől? Az ember a helyzet értelmezéséhez a környezetre, a korábbi tapasztalataira és a helyzet apró jeleire is támaszkodik, a gépnek mindezt külön-külön meg kell tanulnia.
„Egy adott feladatra már készíthetünk rendkívül pontos rendszert. Az ember előnye viszont továbbra is az általános tudásban rejlik. Ha bárhol a világon odaadunk valakinek egy almát, jó eséllyel felismeri, és azt is tudja, hogyan fogja meg. Ez a széles körű ismeret még messze nincs meg a gépekben” – fogalmazott az adásban Cserteg Tamás, a HUN-REN SZTAKI Mérnöki és Üzleti Intelligencia Kutatólaboratóriumának tudományos segédmunkatársa. A gép tehát egyre pontosabban megmondja, mit lát a képen, de annak megértése, hogy valójában mi történik, továbbra is jóval nehezebb, összetettebb feladat számára.
Vannak olyan helyzetek, például egy gyártósor, ahol a gépnek nem értenie kell például egy alkatrész szerepét, egyszerűen csak elég, ha minden alkalommal pontosan felismeri, hogyan néz ki a megfelelő darab, és azonnal jelez, ha eltérést talál. A minőség-ellenőrző rendszer képekből tanulja meg a megfelelő termék jellemzőit, ezután kiszűri az ettől eltérő darabokat, a fejlettebb megoldások pedig már a hiba típusát is azonosíthatják. A rendszer akkor is jelezhet, ha olyan eltéréssel találkozik, amit korábban még nem mutattak meg neki. Felismeri, hogy a vizsgált darab különbözik a megfelelő mintától, majd további elemzés segíthet feltárni a hiba pontos okát.
A podcastban a Bosch szakértője felidézte, a világ számos részén működnek már úgynevezett sötét gyárak, ahol teljesen automatizált gyártósorok dolgoznak. Ezekben az üzemekben nincs szükség kivilágított csarnokra. A kamerák ott és akkor kapnak fényt, ahol egy terméket meg kell vizsgálniuk, más rendszerek pedig radarokkal, hőkamerákkal vagy ultrahangos érzékelőkkel dolgoznak. Egy ipari kamera gyorsan dolgozik, nem fárad el, és a műszak végén is ugyanolyan figyelemmel vizsgálja a termékeket, mint az elején. A rendszerek működését ettől függetlenül szakemberek felügyelik.
Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.
