미래를 내다볼 수 있는 힘으로 우리가 무엇을 할 수 있는지 상상해 보세요. 당신은 월드컵 우승팀을 기대해 보세요 그리고 보상을 얻기 위해 엄청난 베팅을 하시겠습니까? 아마도 당신은 마이너리티 리포트(Minority Report)의 프리코그 스타일로 범죄를 막는 선의의 힘을 갖고 있을 것입니다. 무엇을 하기로 결정하든 그 가능성은 더 이상 그리 멀지 않을 수 있습니다. 개발자 세트 본 대학에서는 컴퓨터 프로그램에 예측의 힘을 부여했습니다.
관련 보기
사실, 우리가 여기서 너무 열중하기 전에 팀은 실제로 시간 여행 컴퓨터를 만들지 않았습니다. 대신 그들은 사건이 실제로 발생하기 전에 어떻게 전개될지 매우 정확하게 예측할 수 있는 소프트웨어를 개발했습니다. 뭐, 어쨌든 샐러드 관련 이벤트.
따라서 소프트웨어는 시간의 한 순간을 들여다보기 위해 공간과 시간에 구멍을 뚫는 것이 아닙니다. 그야말로 과거 정보 분석을 기반으로 한 정확도 높은 예측 모델러일 뿐입니다. 그렇다고 해서 그다지 인상적이지는 않습니다. Jurgen Gall 교수가 설명했듯이 이러한 기술을 사용하면 컴퓨터는 "활동이 발생하기 몇 분 또는 몇 시간 전에 활동의 시기와 기간을 예측"할 수 있습니다.
Gall의 팀이 본 기술의 사용 사례 중 하나는 로봇 보조자입니다. 인간은 다른 사람의 행동을 이해하고 예측하여 필요할 때 지원을 제공할 수 있습니다. 그러나 로봇은 이를 수행하는 데 어려움을 겪습니다. 하지만 이제 본 대학의 컴퓨터 과학 연구소에서 획기적인 발전을 이루면서 컴퓨터는 몇 분 동안 향후 활동을 파악하고, 작업이 완료되기 전에 지원을 제공하기 위해 다음에 참여해야 할 시기를 파악합니다.
소프트웨어는 다양한 연주자들이 다양한 샐러드를 준비하는 4시간 이상의 샐러드 비디오를 통해 훈련되었습니다. 각 녹음은 약 6분 동안 진행되었으며 약 20가지의 다양한 동작이 포함되었습니다. 또한 비디오가 진행되는 동안 컴퓨터에는 작업이 무엇인지, 언제 시작되었는지, 소요 시간이 얼마나 되었는지에 대한 시간 프레임이 표시되었습니다.
이러한 비디오를 시청함으로써 컴퓨터는 일반적으로 어떤 작업이 다른 작업에 뒤따르며 일반적으로 얼마나 오래 지속되는지 학습할 수 있었습니다. 하지만 유연성의 여지가 있어야 합니다. 셰프마다 작업을 순서나 속도가 다르며 컴퓨터는 셰프의 요구 사항을 이해할 수 있어야 합니다.
다음 내용을 읽어보세요: 이 AI는 벽을 통해 볼 수 있습니다.
소프트웨어를 테스트하기 위해 팀은 이전에 본 적이 없는 일련의 비디오를 던졌습니다. 그들은 샐러드를 준비하는 일도 하고 있었지만 이번에는 컴퓨터 주변에 있는 사람들만이 무슨 일이 일어날지 알고 있었습니다. 비디오의 처음 20~30%에서 발생합니다. 그런 다음 무슨 일이 일어날지, 언제 일어날지 예측해야 했습니다. 나중에.
Gall은 "짧은 예측 기간 동안 정확도는 40%를 넘었지만 알고리즘이 미래를 내다볼수록 정확도는 떨어졌습니다."라고 설명합니다.
3분 이상 미래로 확장된 활동은 실제로 시스템을 테스트했지만 여전히 15%의 사례에서 정확한 예측을 제공했습니다. 흥미롭게도 "올바른" 것은 컴퓨터가 활동과 그 시기 둘 중 하나만 예측하는 것이 아니라 둘 다 예측할 수 있는 경우에만 해당됩니다.
또한 팀은 비디오가 어떻게 시작되었는지에 대한 상황 정보가 없으면 컴퓨터가 비디오에서 무슨 일이 일어나고 있는지 파악하는 데 능숙하지 않다는 것을 깨달았습니다. 그러나 이는 데이터를 스크러빙하고 프로그램 자체에 학습 컨텍스트를 제공함으로써 해결할 수 있는 문제입니다. Gall에 따르면 데이터가 제대로 작동하기에는 너무 "잡음"이 많습니다. “우리 프로세스는 제대로 작동하지만 불행하게도 그 근처에도 가지 못합니다.”라고 그는 설명합니다.
따라서 컴퓨터가 미래를 내다보고 다음에 샐러드로 무엇을 해야 할지 알려줄 때까지 기다릴 수 없다면 운이 좋은 것입니다. 복권 당첨 번호를 알려주고 싶으면 미안해요, 그런 일이 일어나려면 조금 더 기다려야 할 거예요.
