Artikkelit

Tekoäly mullistaa ihmisen toiminnan tunnistamisen.

Uusi tekoälyjärjestelmä Semantic and Motion-Aware Spatiotemporal Transformer Network (SMAST) voi tuoda merkittäviä parannuksia muun muassa valvontajärjestelmiin, terveydenhuollon diagnostiikkaan ja autonomisten ajoneuvojen turvallisuuteen.

Virginian yliopiston projektissa on tutkittu, miten tekoäly voi parantaa koneiden mahdollisuutta tunnistaa ja analysoida ihmisten toimintaa reaaliajassa. Tutkijat uskovat, että teknologia mahdollistaa reaaliaikaisen toiminnan tunnistamisen haastavissakin ympäristöissä.

SMAST-järjestelmää avaava tutkimus on julkaistu IEEE Transactions on Pattern Analysis and Machine Intelligence -julkaisussa.

– SMAST voi estää onnettomuuksia, parantaa diagnooseja ja jopa pelastaa ihmishenkiä, Virginian yliopiston sähkö- ja tietokonetekniikan osaston professori ja projektin johtava tutkija Scott T. Acton kertoo tutkimusartikkelissa.

SMAST-järjestelmä hyödyntää niin sanottua moniominaisuuksiin perustuvaa valikoivaa tarkkaavaisuusmallia sekä liikkeentunnistukseen perustuvaa 2D-paikannuskoodausalgoritmia. Ensimmäinen auttaa tekoälyä keskittymään ihmisiin tai esineisiin ja sivuuttamaan turhat yksityiskohdat. Kyky parantaa tunnistustarkkuutta esimerkiksi silloin, kun pallon heittäminen halutaan erottaa pelkästä käden liikkeestä. Tekoäly pystyy nyt tunnistamaan toimintoja, kuten juoksijan kadun ylityksen, lääkärin suorittaman monimutkaisen toimenpiteen tai mahdollisen turvallisuusuhan suurissa väkijoukoissa.

Liikkeentunnistukseen perustuva algoritmi seuraa kohteiden liikkeitä ajan kuluessa. Algoritmi auttaa tekoälyä ”muistamaan” aiemmat liikkeet ja ymmärtämään niiden välisiä suhteita. Tämä tekee järjestelmästä erityisen tehokkaan analysoimaan monimutkaisia ja muuttuvia tilanteita, kuten ihmisten liikkumista väkijoukossa.

Tutkijoiden mukaan SMAST muuttaa tapaa, jolla tekoäly ymmärtää ihmisten toimintaa. Nykyiset järjestelmät voivat menettää tapahtumien kontekstia käsitellessään suuria määriä muokkaamatonta videomateriaalia. SMAST mahdollistaa kontekstuaalisten suhteiden tarkan tallentamisen ihmisten ja esineiden välillä, mikä lisää huomattavasti tunnistuksen tarkkuutta.

– Tämän teknologian vaikutukset voivat olla valtavia, Actonin laboratoriossa työskentelevä tutkijatohtori Matthew Korban kertoo artikkelissa.

– Odotamme innolla, miten SMAST voi muuttaa eri teollisuuden aloja ja tehdä videopohjaisista järjestelmistä älykkäämpiä ja kykenevämpiä reaaliaikaiseen analyysiin, hän jatkaa.

Lähde: Sciencedaily

Hei! Luitko jo tämän?

Suomalainen mobiilisovellus triplasi mahdollisuuden tupakoinnin lopettamiseen