RoadTracer: Καλύτεροι Αυτοματοποιημένοι Χάρτες
Οι Χάρτες Google είναι ένας θρίαμβος της τεχνητής νοημοσύνης σε δράση, με την ικανότητα να μας καθοδηγεί από το ένα μέρος στο άλλο χρησιμοποιώντας μερικά εντυπωσιακά μηχανική μάθηση τεχνολογία. Ωστόσο, ενώ το τμήμα δρομολόγησης των Χαρτών Google δεν χρειάζεται πάρα πολλούς ανθρώπους στο μείγμα, η χειροκίνητη ιχνηλάτηση των δρόμων στις αεροφωτογραφίες για να μπορούν να χρησιμοποιηθούν από μηχανή είναι απίστευτα χρονοβόρα και εγκόσμια. Ως αποτέλεσμα, ακόμη και με χιλιάδες ώρες που δαπανώνται σε αυτήν την εργασία, οι υπάλληλοι της Google δεν έχουν καταφέρει ακόμα να χαρτογραφήσουν την πλειονότητα των 20 και πλέον εκατομμυρίων μιλίων δρόμων που εκτείνονται σε όλο τον κόσμο.
Ευτυχώς, ερευνητές από την Επιστήμη Υπολογιστών του Ινστιτούτου Τεχνολογίας της Μασαχουσέτης και Το Εργαστήριο Τεχνητής Νοημοσύνης (CSAIL) και το Ερευνητικό Ινστιτούτο Υπολογιστών του Κατάρ ενδέχεται να έχουν καταλήξει σε λύση. Ανέπτυξαν μια αυτοματοποιημένη μέθοδο για τη δημιουργία οδικών χαρτών, η οποία είναι 45 τοις εκατό πιο ακριβής από τις υπάρχουσες μεθόδους. Ονομάζεται RoadTracer, το έργο χρησιμοποιεί νευρωνικά δίκτυα για να χαρτογραφήσει έξυπνα τους δρόμους σε εικόνες. Το σύστημα θα μπορούσε να είναι ιδιαίτερα κατάλληλο για να χαρτογραφήσει μέρη του κόσμου όπου οι χάρτες είναι συχνά ξεπερασμένοι, όπως απομακρυσμένες και αγροτικές περιοχές στον αναπτυσσόμενο κόσμο.
Προτεινόμενα βίντεο
«Εκπαιδεύσαμε το νευρωνικό δίκτυο χρησιμοποιώντας εναέριες εικόνες 25 πόλεων σε έξι χώρες στη Βόρεια Αμερική και την Ευρώπη». Φαβιέν Μπαστάνι, μεταπτυχιακός φοιτητής στο MIT CSAIL, είπε στο Digital Trends. «Συγκεκριμένα, για κάθε πόλη συγκεντρώσαμε ένα σώμα δορυφορικών εικόνων υψηλής ανάλυσης από το Google Earth και γραφήματα επίγειου οδικού δικτύου αλήθειας από το OpenStreetMap, που καλύπτουν μια περιοχή περίπου 10 τετραγωνικών μιλίων γύρω από την πόλη κέντρο."
Το RoadTracer λειτουργεί ξεκινώντας από μια γνωστή τοποθεσία σε ένα οδικό δίκτυο και στη συνέχεια εξετάζοντας τη γύρω περιοχή για να βρει ποιο είναι πιο πιθανό να είναι το επόμενο τμήμα του δρόμου. Μόλις προστεθεί αυτό το σημείο, η διαδικασία επαναλαμβάνεται ξανά και ξανά μέχρι να προστεθεί ολόκληρο το οδικό δίκτυο.
Προχωρώντας προς τα εμπρός, η ομάδα ελπίζει να προχωρήσει πέρα από το να βασίζεται κυρίως σε εναέριες εικόνες για χαρτογράφηση. «Για παράδειγμα, δεν σας δίνουν πληροφορίες για δρόμους με υπερβάσεις, αφού προφανώς δεν μπορείτε να τους δείτε από ψηλά», είπε ο Μπαστάνι. «Ένα από τα άλλα έργα μας είναι να εκπαιδεύσουμε συστήματα σε δεδομένα GPS και στη συνέχεια να μπορέσουμε τελικά να συγχωνεύσουμε αυτές τις προσεγγίσεις σε ένα ενιαίο σύστημα χαρτογράφησης».
Μια εργασία που θα περιγράφει την εργασία θα παρουσιαστεί τον Ιούνιο στο Συνέδριο για το Computer Vision and Pattern Recognition (CVPR) στο Salt Lake City.
Συστάσεις των συντακτών
- Μπορεί η A.I. νικήσει τους ανθρώπους μηχανικούς στο σχεδιασμό μικροτσίπ; Το πιστεύει η Google
- Αλγοριθμική αρχιτεκτονική: Πρέπει να αφήσουμε το A.I. σχεδίαση κτιρίων για εμάς;
- Γιατί η διδασκαλία στα ρομπότ να παίζουν κρυφτό θα μπορούσε να είναι το κλειδί για την επόμενη γενιά A.I.
- Έξυπνο νέο A.I. το σύστημα υπόσχεται να εκπαιδεύσει τον σκύλο σας ενώ λείπετε από το σπίτι
- Νέα A.I. Το ακουστικό βαρηκοΐας μαθαίνει τις ακουστικές σας προτιμήσεις και κάνει προσαρμογές
Αναβαθμίστε τον τρόπο ζωής σαςΤο Digital Trends βοηθά τους αναγνώστες να παρακολουθούν τον γρήγορο κόσμο της τεχνολογίας με όλα τα τελευταία νέα, διασκεδαστικές κριτικές προϊόντων, διορατικά editorial και μοναδικές κρυφές ματιές.
