Dirbtinis intelektas vaizdams: kaip kompiuterinė rega jau dabar praverčia kasdienėse situacijose

Kompiuterinė rega dažnai skamba kaip sudėtingas technologinis terminas, bet daugelis su ja susiduriame kasdien net to nepastebėdami. Telefonas, atpažįstantis veidą, automobilis, stebintis kelio juostas ar programėlė, padedanti nuskenuoti dokumentą į PDF, visur veikia dirbtinis intelektas, analizuojantis vaizdus.

Nors technologija sudėtinga, jos pritaikymas žmogaus kasdienybei gali būti labai paprastas. Svarbu suprasti, ką kompiuterinė rega daro gerai, kur ji klysta ir kaip išvengti nereikalingos rizikos privatumo bei duomenų saugumo srityse.

Kas yra kompiuterinė rega ir kuo ji naudinga paprastam vartotojui

Kompiuterinė rega yra dirbtinio intelekto sritis, kuri mokoma „matyti“ ir suprasti nuotraukas, vaizdo įrašus ar kameros srautą. Vietoj to, kad žmogus akimis žiūrėtų į nuotrauką ir apibūdintų, kas joje matyti, tą patį bando padaryti algoritmas.

Praktikoje tai reiškia kelias dažniausiai sutinkamas funkcijas: objektų atpažinimą (pvz., žmogus, automobilis, šuo), tekstų skaitymą iš nuotraukų, veidų ir gestų atpažinimą, scenos analizę (pvz., ar nuotrauka daryta lauke, ar viduje, ar tai dokumentas, ar peizažas).

Praktiniai pavyzdžiai telefone: nuo nuotraukų iki dokumentų

Telefonų kameros jau seniai tapo ne tik fotografavimo įrankiu. Kompiuterinė rega padeda parinkti fokusą, apšvietimą, sušvelninti triukšmus ir automatiškai pritaikyti režimą, priklausomai nuo to, ar fotografuojamas žmogus, maistas ar naktinis miestas.

Daugelis galerijos programėlių siūlo paiešką pagal žmones, vietas ar daiktus. Įrašius žodį „šuo“, sistema pati suranda, kuriose nuotraukose matyti gyvūnas, ir tai yra tiesioginis kompiuterinės regos rezultatas, mokytas milijonais pavyzdžių.

Kita sritis yra dokumentų skenavimas. Telefonu nufotografuotas čekis ar sutartis automatiškai „ištiesinama“, pašaliniai fonai apkerpami, o tekstas atpažįstamas taip, kad jį būtų galima kopijuoti ar versti. Tai itin patogu tvarkant kvitus apskaitai, saugant svarbius popierius ar dalijantis dokumentais nuotoliniu būdu.

DI vaizdo „vertėjai“: nuo lentos nuotraukos iki tekstinio konspekto

Vis dažniau pasitaiko situacijų, kai užtenka nufotografuoti ar ekrano nuotraukoje pažymėti tekstą, ir sistema pati jį perkelia į redaguojamą dokumentą. Tai praverčia paskaitose, susitikimuose, konferencijose, kai norisi greitai išsisaugoti lentos užrašus ar skaidrės turinį.

Tokios funkcijos gali pagreitinti darbą ir sumažinti rankinio perrašinėjimo klaidas. Tačiau svarbu prisiminti, kad tekstų atpažinimas nėra tobulas: smulkus šriftas, prastas apšvietimas ar kreivas kampas gali lemti klaidingas raides, todėl prieš siunčiant dokumentą kitiems reikėtų bent trumpai jį peržvelgti.

Kompiuterinė rega mieste: kameros, automobilių parkavimas, eismo stebėsena

Viešosiose erdvėse kompiuterinė rega vis dažniau naudojama eismui valdyti, automobilių stovėjimo aikštelėms administruoti ar žmonių srautams analizuoti. Ši technologija geba suskaičiuoti automobilius, atpažinti, ar stovėjimo vieta užimta, ar ne, ir netgi fiksuoti KET pažeidimus, jei tai leidžia įstatymai.

Gyventojui tai dažnai reiškia patogesnį parkavimą, mažiau eilių ir greitesnį atsakymą, ar laisvos vietos daugiaaukštėje aikštelėje. Kita vertus, tai kelia ir klausimų, kiek duomenų apie mūsų judėjimą renkama, kaip ilgai jie saugomi ir kas turi prieigą prie tokių sistemų.

Privatumas ir teisės: ką verta žinoti apie filmavimą ir atpažinimą

Kompiuterinė rega be didelių sunkumų atpažįsta veidus, numerius, simbolius ir net emocijų išraiškas, todėl neišvengiamai atsiranda su tuo susijusių etinių ir teisinių klausimų. Svarbu suprasti, kad šios technologijos naudojimą dažnai riboja asmens duomenų apsaugos taisyklės.

Verslams ar bendrijoms, norinčioms įrengti vaizdo stebėjimo kameras su išmanesnėmis funkcijomis, būtina ne tik techninė įranga, bet ir aiškios vidaus taisyklės: aiškus informavimas, duomenų saugojimo terminai, prieigos kontrolė. Paprastam vartotojui verta atkreipti dėmesį, ar programėlės, prašančios prieigos prie kameros, tikrai jos reikia, ir kaip jos tvarko surinktą medžiagą.

Kur DI vaizduose vis dar stipriai klysta

Nors kompiuterinė rega pastaraisiais metais labai patobulėjo, ji toli gražu nėra neklystanti. Algoritmai gali maišyti panašius objektus, neteisingai identifikuoti žmones, supainioti dokumentų kraštus ar neatpažinti teksto ant spalvingo fono.

Kita problema yra šališkumas. Jei sistema mokyta daugiausia su vieno tipo žmonių ar aplinkų nuotraukomis, ji gali prasčiau veikti kitokiomis sąlygomis. Pavyzdžiui, prastai atpažinti veidus prastesnėje šviesoje, kita rasine įvairove pasižyminčiose fotografijose ar kitokio tipo infrastruktūros miestuose.

Kaip kasdieniame gyvenime protingai pasinaudoti kompiuterine rega

Norint iš kompiuterinės regos išspausti realią naudą, nebūtina domėtis techninėmis detalėmis. Dažniausiai pakanka išbandyti jau esančias funkcijas telefone ar kompiuteryje ir kelis dalykus įsidėmėti.

• Pasirinkti programėles, kurios aiškiai paaiškina, kaip tvarko nuotraukas ir vaizdo duomenis.
• Neleisti neribotos prieigos prie kameros programoms, kurių nepažįstate ar kuriomis nepasitikite.
• Visada peržiūrėti svarbius dokumentus, kurių tekstą atpažino DI, prieš juos pasirašant ar siunčiant.
• Atsiminti, kad veidų ar objektų atpažinimo rezultatai yra pagalbinė priemonė, o galutinis sprendimas turi priklausyti žmogui.

Kas laukia toliau: nuo išmanios virtuvės iki pagalbos vyresnio amžiaus žmonėms

Artimiausiais metais kompiuterinė rega greičiausiai dar labiau persikels į mūsų namus. Išmanesnės virtuvės technikos kameros galės sekti, kas liko šaldytuve, ir siūlyti receptus, robotų siurblių sistemos tiksliau atpažins kliūtis ir naminius gyvūnus, o saugos sistemos greičiau fiksuos gaisro ar užliejimo požymius.

Kita svarbi kryptis yra pagalba vyresnio amžiaus ir negalią turintiems žmonėms. Kompiuterinė rega jau dabar padeda akliesiems atpažinti daiktus ar perskaityti tekstą balsu, o ateityje tokios priemonės gali tapti dar labiau pritaikytos lietuviškai kalbančiai auditorijai.

Vis dėlto verta prisiminti, kad jokia sistema nepakeis žmogiško sprendimo ir atsakomybės. Kompiuterinė rega geriausiai veikia kaip tylus pagalbininkas, kuris padeda atlikti pasikartojančias užduotis, bet nėra paskutinis žodis ten, kur svarbūs teisiniai, finansiniai ar sveikatos sprendimai.