Το πρόγραμμα που θέλει να καταλάβει όλες τις εικόνες του κόσμου. New computer program aims to teach itself everything about anything

Είναι το Levan, το λογισμικό που βρίσκει φωτογραφίες για κάθε έννοια που μαθαίνει σε βιβλία. Dubbed LEVAN (Learning Everything about Anything), the algorithm’s goal is to take a concept and construct a visual archive of as many permutations as it can. Think of it as an improved version of Google’s image search, broken down by the different permutations of a category, rather than what Google thinks you might be interested in.

Οι δημιουργοί του κάνουν λόγο για «το πρώτο πρόγραμμα υπολογιστή που μαθαίνει ό,τι υπάρχει να μάθει κανείς για οποιαδήποτε οπτική έννοια». Είναι το Levan, το λογισμικό που βρίσκει φωτογραφίες για κάθε έννοια που μαθαίνει σε βιβλία.

Προϊόν συνεργασίας ανάμεσα στο Πανεπιστήμιο της Ουάσινγκτον και του Ινστιτούτου «Άλεν» για την Τεχνητή Νοημοσύνη, το Levan παίρνει το όνομα του από τη φράση «μαθαίνοντας τα πάντα για τα πάντα» («Learning Everything about Anything»).

Η σάρωση

Παραλλαγές τριών εννοιών που έχει μάθει το Levan: «Περπάτημα», «Σκύλος» και «Άλογο». This image shows some of the many variations that the new program has learned for three different concepts. Credit: University of Washington

Το πρόγραμμα σαρώνει το κείμενο εκατομμυρίων βιβλίων στο Google Books και αναζητά αναφορές για συγκεκριμένες έννοιες, όπως για παράδειγμα «άλογο». Στη συνέχεια, ένας αλγόριθμος αποκλείει τις λέξεις που δεν έχουν οπτικό νόημα. Στο παράδειγμα του αλόγου, ο αλγόριθμος κρατά φράσεις «το άλογο πηδά» ή «το άλογο τρώει» και αποκλείει μη οπτικές φράσεις όπως «το άλογό του» ή «το τελευταίο άλογο».

Όταν πια καταλήξει σε συγκεκριμένες φράσεις, το Levan προχωρά σε μια αναζήτηση εικόνων στον Παγκόσμιο Ιστό, αναζητώντας ομοιότητες ανάμεσα στις εικόνες των αποτελεσμάτων. Αυτό γίνεται μέσω αλγορίθμων αναγνώρισης αντικειμένων, οι οποίοι οποίοι αναλύουν τα εικονοστοιχεία των εικόνων και δεν περιορίζονται στις λέξεις της λεζάντας.

Η βάση

LEVAN's search for "dog".

Μέχρι σήμερα το Levan έχει εντάξει στη βιβλιοθήκη του περίπου 175 έννοιες, από «παράθυρο» μέχρι «όμορφο» και «γυαλιστερό», τις οποίες μπορούν να ξεφυλλίσουν οι χρήστες στο δικτυακό τόπο του προγράμματος.

What Google shows you when you search for "dog".

Η βάση δεδομένων του Levan, λένε οι δημιουργοί του, θα ήταν χρήσιμη τόσο για τους ερευνητές του κλάδου της μηχανικής όρασης όσο και για εκπαιδευτικούς σκοπούς. «Οι σημαντικότερες πηγές πληροφοριών, όπως τα λεξικά και οι εγκυκλοπαίδειες, κινούνται προς την κατεύθυνσης της προβολής οπτικών πληροφοριών, οι οποίες είναι πιο εύκολο να γίνουν κατανοητές» σχολιάζει ο Σάντος Ντίβαλα, μέλος της ερευνητικής ομάδας.

«Συχνά όμως, έχουν περιορισμένο εύρος επειδή δημιουργούνται με το χέρι. Το νέο πρόγραμμα δεν χρειάζεται παρέμβαση και μπορεί επομένως να προσλαμβάνει τις οπτικές γνώσεις για οποιαδήποτε έννοια» επισημαίνει.

Το πρόγραμμα χρειάστηκε μόλις τέσσερις μήνες για να καλύψει 175 έννοιες με 13 εκατομμύρια εικόνες και 65.000 διαφορετικές φράσεις. Για ορισμένες έννοιες χρειάζεται μέχρι 12 ώρες επεξεργασίας, οι επιδόσεις του όμως θα βελτιώνονταν αν έτρεχε σε ισχυρότερο υπολογιστή. Η μελέτη για το Levan θα παρουσιαστεί στο ετήσιο συνέδριο Μηχανικής Όρασης και Αναγνώρισης Μοτίβων, το οποίο πραγματοποιείται τον Ιούνιο στο Κολούμπους του Οχάιο.