Google'i tehisaju õpib maailma tundma
 Toimetas Jaan-Juhan Oidermaa Rühm uute tehnoloogiate välja töötamisele pühendunud Google'i X-laboratooriumis töötavaid masinõppele spetsialiseerunud insenere esitlesid sellel nädalal Edinburghis toimuval konverentsil oma uusi edusamme juhendamata masinõppe vallas.   Hoolimata arvutiteaduses toimuvatele hüppelistele arengutele on inimese võimekusele võrdväärse tehisintelligentsi loomine veel kaugel. Isegi selle seni parimad versioonid jäävad näiteks objektide äratundmisel hätta. Paremini suudavad neid ümbritsevale tähenduse omistada isegi kolmeaastased lapsed. Üheks piiranguks on programmide iseseisev õppimisvõime. Seega treenitakse harilikult pildituvastustarkvara enne selle lõplikku kasutuselevõttu. Õpitava kontseptsiooni puhul tuleb masinale eelnevalt öelda, et see on oluline.   Sellist tüüpi programmid näeksid ükskõik millise neile etteantava foto puhul vaid miljoneid seosetuid pikseleid, kui neid eelnevalt teatud kujusid ära tundma ei õpetataks. Reaalses elus vastuvõetava info hulga puhul muutub see ülesanne progressiivselt raskemaks -  absoluutselt kõigeks on võimatu valmistuda. Masin peaks ise suutma info analüüsimise käigus endale selgeks teha, mis ümbritsevas maailmas oluline on. Informaatikas kutsutakse seda juhendamata masinõppeks. Google'i insenerid otsustasid eeskuju võtta inimeste visuaalkorteksist.   Selleks ühendasid nad samasse võrgustikku tuhatkond arvutit. Seejärel andsid nad neile töötlemiseks kümme miljonit erinevast Youtube'i videost pärinevat kaadrit ning käsu neil andmepagasist oluline üles otsida. Pikslite paigutuse alusel hakkasid masinale silma korduvad mustrid – olulisemateks hakkas see pidama muuhulgas inimeste näo, kassi, kui ka inimeste jäsemete kontseptsioone. Algses programmis ei öeldud sellele, et just need on tähtsad. Masin hakkas neid selleks pidama täielikult iseseisvalt.   Kontrollkatse näitas, et programm suutis inimeste nägusid ära tunda 82% täpsusega, kasside puhul langes see 75%'ni. See on kaugelt parem, kui senised juhendamata masinõppe puhul saadud tulemused. Ent sellegipoolest jääb see inimese visuaalkorteksile veel kõvasti alla. Standardsest nimekirjast, mis hõlmab 20 000 objekti, mida inimesed oluliseks peavad, suutis see tuvastada vaid 16,7%. Ent siiski on see 70% võrra parem tulemus kui senisel rekordi-hoidjal. Masinale paistsid seevastu eriliselt huvipakkuvat tööriista-sarnased 30° nurga all asetsevad objektid.   Konverentsil rõhutas töörühma juht Jeff Dean, et valdkonnas võivad masinad inimestele järgi jõuda arvatust kiiremini. Küsimus on ainult selles, kui palju arvutusvõimsust sellistele projektidele eraldada.   Tutvu töörühma uurimusega veebikeskkonnas arXiv. 
