bato-adv
bato-adv
کد خبر: ۲۹۷۵۰۶

الگوریتمی برای پیش بینی لحظات آینده

دانشمند ایرانی دانشگاه مریلند امریکا با همکاری محققان دانشگاه ام‌آی‌تی موفق به ابداع الگوریتمی شده است که برای شبیه‌سازی لحظاتی در آینده با استفاده از عکس‌های ثابت قابل استفاده است.

تاریخ انتشار: ۱۷:۴۴ - ۰۹ آذر ۱۳۹۵
دانشمند ایرانی دانشگاه مریلند امریکا با همکاری محققان دانشگاه ام‌آی‌تی موفق به ابداع الگوریتمی شده است که برای شبیه‌سازی لحظاتی در آینده با استفاده از عکس‌های ثابت قابل استفاده است.

به گزارش روابط عمومی دانشگاه علم و صنعت ایران، حامد پیرسیاوش، استاد ایرانی دانشگاه مریلند آمریکا که مدرک کارشناسی خود را در رشته مهندسی برق در سال 2003 از دانشگاه علم و صنعت ایران دریافت کرده است، با همکاری محققان آزمایشگاه هوش مصنوعی و علوم رایانه دانشگاه ام‌آی‌تی الگوریتم هوش مصنوعی جدیدی را برای تهیه ویدئوهای کوتاه حاوی شبیه‌سازی آینده از رویدادهای قابل مشاهده در عکس‌های ثابت ابداع کرده‌ است.

به عنوان مثال این الگوریتم بعد از مشاهده تعدادی عکس از امواج ساحلی ویدئویی کوتاه تولید کرده که نشان می‌دهد موجی ساحلی آرامش ساحل را بر هم می‌زند.

این الگوریتم با بررسی عکس‌هایی از بازی گلف نیز لحظات بعدی انجام این بازی توسط افراد را در قالب ویدئویی کوتاه به نمایش گذارده است.

"کارل وندریک"، دانشجوی دکتری دانشگاه ام‌آی‌تی در این مورد می‌گوید: این موفقیت نشانگر درک عمیق هوش مصنوعی از شرایط حال است، زیرا در غیر این صورت پیش‌بینی آینده ممکن نخواهد بود.

این محققان دو گروه از شبکه‌های عصبی را برای تکمیل این تحقیق ابداع کرده و به کار گرفته‌اند. شبکه عصبی اول برای تولید ویدئو و شبکه دوم برای متمایز سازی آنچه که واقعی است و آنچه که بازسازی می‌شود، به کار گرفته می‌شود. هوش مصنوعی طراحی شده به تدریج قابلیت طراحی ویدئوهای شبیه‌سازی شده را تا بدان حد بالا می‌برد که صحنه‌های پیش‌بینی شده در ویدئوها شباهت کاملی به صحنه‌های واقعی برگرفته از عکس‌ها داشته باشند.

با تداوم فعالیت هوش مصنوعی و افزایش خودآموزی و توان درک آن ویدئوهای تولید شده که آینده را پیش‌بینی می‌کنند، حتی 20 درصد واقعی‌تر از ویدئوهای تهیه شده از عکس‌های واقعی از حال هستند.

البته نباید انتظار داشت که در آینده نزدیک این فناوری منجر به تولید ویدئوهای طولانی حاوی پیش‌گویی آینده شود. فعلا از این طریق ویدئوهای 1.5 ثانیه‌ای تولید می‌شود؛ ولی امید می‌رود در آینده این زمان بیشتر شود. از مدل‌سازی مذکور می‌توان برای شناسایی ناهنجارها و شرایط غیرعادی امنیتی و کشف برخی اشیا و اجزا در تصاویر که در حالت عادی قابل شناسایی نیستند، استفاده کرد.