Naučnici Googleove laboratorije Deep Mind i Univerziteta u Oxfordu, uz pomoć vještačke inteligencije, stvorili su najprecizniji softver za čitanje s usana ikad, javlja The Verge. Korištenjem nekoliko hiljada sati BBC-jevog televizijskog programa, naučnici su uspjeli toliko dobro da istreniraju neuronske mreže da tačnost tumačenja video snimaka iznosi 46,8 posto.
Ako vam se to ne čini impresivnim, pogotovo u poređenju s preciznosti softvera s vještačkom inteligencijom kod transkribovanja audio zapisa, onda morate znati da je u tumačenju tih istih video snimaka profesionalni čitač s usana imao tačnost od svega 12,4 posto.
Primjena – od nijemih filmova do špijunaže
Naučnici objašnjavaju da su mogućnosti primjene softvera ogromne. Ne samo da bi ljudima s oštećenim sluhom mogla pomoći u razumijevanju razgovora, nego bi se mogao koristiti za tumačenje nijemih filmova ili omogućiti izdavanje naredbi ličnim asistentima poput Alexe ili Siri bez glasa, samo mimikom usta.
Naravno, većina će prvo pomisliti da je tehnologija čitanja s usana dušu dala za nadzor i špijunažu. Iako naučnici upozoravaju da postoji ogromna razlika između TV snimaka vrhunske rezolucije i pikselizovanih nadzornih snimaka lošeh kvaliteta, ne možete ignorisati činjenicu da bi vještačk inteligencija vrlo lako mogla premostiti tu razliku.
