مایکروسافت در تلاش برای ارائه گونه ای از هوش مصنوعی با قابلیت نقل داستان از روی مجموعه تصاویر

نوع خاصی از هوش مصنوعی که توانایی توصیف عکس را داشته باشد، هم اکنون نیز وجود دارد و در فضای مجازی مورد استفاده قرار می گیرد. این تکنولوژی قادر است برای نمونه به عکس هایی که در فیسبوک به اشتراک گذاشته می شوند زیرنویس اضافه کند.

حالا واحد تحقیقات مایکروسافت در تلاش است تا این فناوری را به سطوح تازه ای برساند و از هوش مصنوعی خود بخواهد داستان عکس هایی که به صورت مجموعه منتشر می شوند را برای کاربران بازگو کند.

یک برنامه افزودن کپشن به عکس ها، ممکن است 5 تصویر را دریافت کرده و در نهایت مثلا بگوید که «این عکس یک خانواده را نشان میدهد؛ این تصویر یک کیک است؛ این عکس یک سگ است؛ عکس یک ساحل را نشان می دهد» و الی آخر اما برنامه داستان سرایی مد نظر مایکروسافت قادر خواهد بود که بعد از دریافت آن مجموعه از تصاویر بگوید: «خانواده در یک مهمانی گرد هم جمع شدند؛ آنها غذاهای خوشمزه ای خوردند؛ سگ از اینکه در جمع آنها بود خوشحال به نظر می رسید؛ آنها اوقات خوشی را کنار ساحل با هم سپری کردند؛ آنها در آب شنا کردند.»

در آینده داستان سرایی کامپیوتری می تواند مردم را در ایجاد خودکار روایت برای مجموعه عکس هایی که روی شبکه های اجتماعی آپلود می کنند، یاری دهد. به گفته یکی از پژوهشگران واحد تحقیقات مایکروسافت به این ترتیت کاربران می توانند تجربیات خود را بدون کوچک ترین دردسر و زحمتی با دیگران به اشتراک بگذارند.

به گفته او، داستان سرایی کامپیوتری می تواند ابزاری بسیار مفید برای آنهایی باشد که به لحاظ بینایی با مشکل روبرو هستند و به لطف آن، آنهایی که تصاویر را نمی بینند هم میتوانند تا حدودی در جریان ماجرا قرار بگیرند.

Margaret Mitchell مولف ارشد مقاله منتشر شده پیرامون این پژوهش و یکی از محققان علوم رایانه در مایکروسافت ریسرچ در همین رابطه گفت: هدف از این کار آن است که هوش مصنوعی نبوغی مشابه به انسان را پیدا کند و به درک بهتری در مورد موضوعات انتزاعی از جمله جالب بودن، عجیب بودن و مواردی از این قیبل، دست پیدا کند.

او در ادامه گفت: مردم دنیا داستان هایشان را برای میلیون ها نفر دیگر تعریف کرده اند و از این طریق اصول اخلاقی، استراتژی ها و خرد خود را به نسل های بعدی شان انتقال داده اند. حال که ما هم تمرکز خود را روی داستان سرایی قرار داده ایم، امیدواریم که درک مفاهیم انسانی را به شیوه ای ایمن که برای بشر هم سودمند باشد به هوش مصنوعی انتقال دهیم نه اینکه بگوییم چطور با انسان رو در رو شود.

اگر هوش مصنوعی یاد بگیرد که براساس توالی چند عکس داستانی را نقل کند، گامی بسیار بزرگ در جهت تجربه همین امر از طریق محتوای ویدئویی برداشته خواهد شد و این اتفاق موارد مصرف جالب توجهی را با خود به همراه خواهد داشت.

برای مثال، دوربین های امنیتی به لطف آن قادر خواهند بود خلاصه ای از اتفاقات دارای اهمیت رخ داده شده در منطقه تحت پوشش خود را ارائه نمایند یا اینکه شما به عنوان کاربر توئیتر می توانید به صورت زنده و خودکار شرح یک اتفاق را توئیت نمایید.

قرار است که پژوهشگران مایکروسافت یافته های خود در این زمینه را در جریان همایش سالانه انجمن زبان شناسی کامپیوتری که ماه آینده در سندیگو برگزار خواهد شد، ارائه نمایند.