Keinotekoista älykkyystekniikkaa on jo kauan käytetty kasvojentunnistusjärjestelmissä ja ihmisten haussa CCTV-kameroiden avulla. Nämä ovat kuitenkin kaukana ainoista parametreistä, joita voidaan käyttää hakuun. Esimerkiksi ryhmä tutkijoita Intiassa koulutti tekoälyä etsimään oikeita ihmisiä korkeuden, sukupuolen ja käyttämiensä vaatteiden perusteella.
Tämä tekniikka voi tuntua jollekin hyvin omituiselta, koska "tunnistamalla" ihmiset heidän kasvonsa, voit saada tarkempia tietoja. Mutta se ei ole niin. Tutkijat itse antavat esimerkin. Kuvittele, että tiedät vain tietyt hakuparametrit ja likimääräisen sijainnin. Ja sen sijaan, että katsot kaikki materiaalit kaikista kameroista, voit luoda pyynnön esimerkiksi "naisille punaisissa paitoissa, joiden korkeus on 153 senttimetriä". Tämä kaventaa hakua ja vähentää huomattavasti tietyn henkilön tunnistamiseen kuluvaa aikaa.
Järjestelmä perustuu konvoluutiohermoverkkoon (CNN). Tämä on neuroverkkojen alatyyppi, jotka perustuvat syvään koneoppimiseen. CNN käyttää työssään joitain aivojen visuaalisen aivokuoren toiminnan piirteitä. Jos yrität selittää sen yksinkertaisella kielellä - on segmenttejä, jotka reagoivat yksinkertaisiin signaaleihin (esimerkiksi punaisen esiintyminen), ja on olemassa monimutkaisempia - yksinkertaisten toimintojen ryhmittymä (esimerkiksi kaikki tyyppiset paidat). Monet pienet segmentit voivat olla osa useita suuria (paidat, T-paidat, housut jne. Voivat olla punaisia). Segmenttien välisten yhteyksien rakentamisessa hermoverkko voi päätellä tiettyjen esineiden läsnäolosta ja niiden ominaisuuksista.
Itse algoritmin osalta sen työn tarkkuus on tällä hetkellä noin 60% (keskimäärin hermoverkko arvaa oikein 28 ihmistä 41: stä). Tämä ei välttämättä näytä tarpeeksi, mutta tämä on vain ensimmäinen algoritmin versio, jota parannetaan. Kuten kehittäjät itse totesivat, Vladimir Kuznetsov