بين التوقعات والواقع: ما مدى خير الذكاء الاصطناعي؟?

في هذه المقالة, realizado por Maximilian Sand, فريق قائد الذكاء الاصطناعي من قبل دالماير الالكترونية, se ponen de relieve algunos principios básicos que permiten valorar la funcionalidad y beneficio del análisis de vídeo basado en Inteligencia Artificial.

تحليل الفيديو على أساس الذكاء الاصطناعي (الـ) وعود قفزة نوعية في التكنولوجيا مع فائدة كبيرة للعميل. ولكن فقط إذا كان المستخدم الحرجة -- أو ما هو نفسه, ابلغ- قادر على تقييم التكنولوجيا بشكل صحيح.

لفترة طويلة الآن, تكنولوجيا أمن الفيديو تتضمن إجراءات تستند إلى الذكاء الاصطناعي. المزيد والمزيد من التطبيقات والمنتجات الجديدة تستخدم خوارزميات لتقديم تحليلات جديدة أو جعل القائمة منها أكثر قوة..

الهدف هو قيمة مضافة واضحة للمستخدمين, والنتائج تتحدث عن نفسها. إذا كان في الماضي, على سبيل المثال مع معالجة الصور الكلاسيكية, كان جهدا كبيرا للاعتراف موثوق شجرة تحركت من قبل الرياح كما إنذار كاذب, في الوقت الحاضر الذكاء الاصطناعي يفعل ذلك دون مشاكل.

الميزة المميزة الأساسية بين تحليل الصور أو الفيديو مع معالجة الصور الكلاسيكية وتلك التي تحتوي على الذكاء الاصطناعي هي أن الخوارزميات لم تعد مبرمجة فحسب ، بل يتم تدريسها., مع الكثير من البيانات.

استخدام هذه البيانات, النظام يتعلم التعرف على الأنماط وهلم جرا, على سبيل المثال, تمييز شجرة عن دخيل. ولكن مفهوم التعلم الآلي يطرح أيضا مشاكل وتحديات جديدة..

ومن الأمثلة البارزة على ذلك الاختلافات في نوعية الاعتراف بمختلف الجماعات الإثنية., مشكلة تصدرت عناوين الصحف حتى. على الرغم من أن الخلفية بسيطة نسبيا: فقط عندما تكون هناك بيانات بكمية كافية وبتنوع كاف وتوزيع متساو, الذكاء الاصطناعي يمكن أن تتعلم بقوة.

جودة النظام الذكاء الاصطناعي

كل هذا يؤدي إلى تساؤلات حول قدرة أداء النظام الذي يستخدم الذكاء الاصطناعي.. ما هي التدابير المستخدمة للمقارنة, على سبيل المثال, إجراءان, أنظمة أو شركات مصنعة مختلفة? ماذا يعني إذا كان الكتيب يعد على سبيل المثال "دقة الكشف 95٪" أو "الاعتراف موثوق بها"? كيف جيدة هي دقة 95%? و, باختصار, ما هو الاعتراف الموثوق بها?

للقيام بذلك, أولاً وقبل كل شيء, يجب أن تفهم كيف يمكن تقييم الإجراءات الذكاء الاصطناعي. الخطوة الأولى هي تعريف محدد من قبل التطبيق والعميل ما "خطأ" يعني وماذا يعني "الصحيح"., خاصة في الحالات الحدية. على سبيل المثال, في نظام الاعتراف بالأشخاص, في حالة تقييم الكشف على أنه صحيح إذا كانت الصورة أو الفيديو لا يرى شخصا حقيقيا ولكن ملصقا إعلانيا فقط مع شخص?

يجب وضع هذه المعلمات وغيرها. بمجرد وجود هذا التعريف, تحتاج إلى مجموعة بيانات تعرف النتائج الصحيحة التي تتوقعها.

سيقوم الذكاء الاصطناعي بتحليل مجموعة البيانات هذه وتحديد نسبة الكشف الصحيح والكاذب.. الرياضيات توفر للمستخدم مقاييس مختلفة, مثل الحساسية (نسبة عمليات الكشف المتوقعة التي تم اكتشافها بالفعل) أو دقة الدقة (نسبة عمليات الكشف الصحيحة). حتي, "جودة" الذكاء الاصطناعي, بعد كل ذلك, هو دائما بيان إحصائي حول مجموعة بيانات التقييم التي تم استخدامها.

الصيف أو الشتاء?

مدى فائدة هذه العبارة حقا للمستخدم أو العميل المحتمل للنظام يعتمد على توزيع مجموعة البيانات.. يمكن للتقييم أن يشهد على الأداء الجيد للكشف. ولكن إذا كانت مجموعة البيانات تستند حصريا إلى صور من أشهر الصيف, هذا التقييم ليس له قيمة إعلامية على نوعية الذكاء الاصطناعي في فصل الشتاء حيث يمكن أن تختلف ظروف الضوء والطقس بشكل كبير..

وب التالي, بشكل عام, بيانات عن جودة التحليل الذكاء الاصطناعي – لا سيما, أولئك الذين لديهم أرقام ملموسة مثل "99.9٪"-, تأخذ منهم بحذر عندما لا تكون جميع المعلمات معروفة. لا معرفة بمجموعة البيانات المستخدمة, من المعلمات المقياس المطبقة وغيرها, لا يمكن تقديم بيان قاطع حول درجة تمثيل النتيجة.

لا يمكن أن يكون هناك مؤشرات دقيقة

كل نظام له حدوده, حتي, الطبيعي, أنظمة الذكاء الاصطناعي. لذلك, معرفة الحدود هو الشرط الأساسي لاتخاذ قرارات مستنيرة. ولكن هنا أيضا, الإحصاءات والواقع يتقاطعان, كما ترون في المثال التالي. الذكاء الاصطناعي يدرك أسوأ, منطقيا, الكائنات في الصورة / الفيديو أصغر هم.

السؤال الأول, التي يتم طرحها على المستخدم قبل شراء نظام, هو المسافة القصوى التي يمكن الكشف عن الكائنات, كما أنه يؤثر على عدد من الكاميرات اللازمة و, لذلك, على تكاليف النظام بأكمله. ولكن الإشارة إلى مسافة دقيقة غير ممكنة. بساطه, لا توجد قيمة يصل إليها التحليل الذي يوفر النتائج 100% الصحيح وقيمة أخرى من الذي الكشف غير ممكن.

التقييم هنا قادر فقط على تقديم إحصاءات مثل, على سبيل المثال, دقة الكشف على أساس حجم الكائن.

من الأفضل المقارنة مباشرة

فيما يتعلق بحدود النظام، تم اختياره لوصف, قدر الإمكان, حدود النظام مع قيم معينة الحد الأدنى أو الأقصى: على سبيل المثال في أوراق بيانات المنتج. ومن بين هذه الحلول الحد الأدنى للمسافة أو الحد الأدنى من الحلول.

هذا معقول, كما يحتاج العملاء أو المثبتون إلى معايير لتكون قادرة على تقييم النظام. لكن, لا يزال هناك الكثير من عدم اليقين, على سبيل المثال إذا كانت هذه القيم الحد المشار إليها من قبل الشركة المصنعة بدلا متحفظ أو بتفاؤل. المستخدم سوف تفعل جيدا أن نضع في اعتبارنا دائما أنه في تحليل الفيديو قد لا يكون هناك حدود واضحة ومحددة.

مع كل نظام سيكون مثل هذا: أيضا ضمن معلمات معينة سوف تحدث أخطاء و, في نفس الوقت, في ظل ظروف جيدة, يمكن أن تكون النتائج المفيدة الفعل, حتى تجاوز الحد.

ما إذا كان المستخدم يريد تحديد الجودة الحقيقية للتحليل المستند إلى الذكاء الاصطناعي, هذا لن يكون ممكنا إلا من خلال المقارنة المباشرة; أرقام ومعلمات مختلفة من الشركات المصنعة مختلفة جدا. و, بالإضافة, شروط الإطار والمدخلات, طبعًا, يجب أن تكون هي نفسها في جميع الأنظمة.

اختبار حقيقي مع المنتجات التجريبية, اقترضت أو ما شابه ذلك, هو احتمال جيد لذلك. الاضافه الي ذلك, يتم عرض أداء النظام في حالة الاستخدام المطلوبة.

هل, بالمناسبة, أيضا المفتاح عند تقييم أداء أنظمة الذكاء الاصطناعي بشكل عام: يعتمد كليا على الاستخدام في كل حالة. يجب تحديد هذا بأقصى قدر ممكن من الدقة. ثم, مع الحل الصحيح, سيكون من الممكن إعطاء قيمة مضافة حقيقية للعميل.

ماكسيميليان ساند

فريق قائد الذكاء الاصطناعي من قبل دالماير الإلكترونية
 

 

 

مقالات أخرى عن دالمير