Bilgisayarlı Görü

Bilgisayarlı görü, görsellerden ve videodan anlam çıkarmakla uğraşan alandır: bir resimde ne olduğuna, nerede olduğuna, kareler arasında neyin değiştiğine ve hangi metni ya da yapıyı içerdiğine karar vermek. Görev ailesini tam adlandırmak önemlidir, çünkü sağlayıcılar bunları bulanıklaştırır ve zorluk bakımından muazzam farklılaşırlar. Sınıflandırma bir görselin ne olduğunu söyler. Nesne tespiti içinde ne olduğunu söyler ve kutular çizer. Bölütleme her pikseli etiketler. Optik karakter tanıma metni çıkarır. Poz tahmini eklemleri konumlar. Takip, bir nesneyi kareler boyunca izler. "Yapay zekânın fotoğrafa bakmasını istiyoruz" diye ifade edilen bir ürün ihtiyacı genelde bunlardan birine iner ve hangisi olduğunu belirlemek toplamanız gereken veriyi ve bekleyebileceğiniz doğruluğu değiştirir. Derin evrişimli ağlar, elle tasarlanmış özniteliklere dayanmak yerine görsel öznitelikleri öğrenerek alanı 2010'larda pratik kıldı; çok kipli modeller ise bunun büyük kısmını komut vermeye indirdi: artık bir görseli genel bir modele verip soruyu sözcüklerle sorabilirsiniz, ki bu tek seferlik ve uzun kuyruklu görevler için dönüştürücüdür. Yüksek hacimli, gecikmeye duyarlı ya da hassasiyeti kritik işlerde amaca yönelik eğitilmiş bir tespit modeli maliyet, hız ve tutarlılıkta hâlâ kazanır; dil görevlerini yöneten aynı ödünleşim. SaaS geliştiricileri için yaygın uygulamalar gösterişsiz ve değerlidir: bir fiş ya da kimlik belgesini okumak, yüklenen bir fotoğrafın liste standardını karşıladığını denetlemek, kullanıcı görsellerini denetlemek, taranmış bir formdan alan çıkarmak, pazar yeri fotoğrafında ürünün var olduğunu doğrulamak. Bunların her biri bir model çağrısı değil bir hattır ve iş hattın içinde yaşar: dönme, parlama ve telefon kamerası değişkenliğiyle baş etmek, altında bir insanın baktığı güven eşiğine karar vermek ve modelin ne gördüğünü kaydetmek ki yanlış bir karar sonradan açıklanabilsin. İki hata biçimi planlanmayı hak eder. Görü modelleri, öngörülmesi zor biçimlerde dağılım kaymasına duyarlıdır: ışık, kamera modeli, çözünürlük ve arka plan ölçtüğünüz doğruluğu kaydırır. Ve gerçek bir gizlilik ile hakkaniyet yükü taşırlar, çünkü girdiler insan fotoğraflarıdır ve hatalar onlar arasında eşit dağılmaz.