Tidak hanya berkiprah di bing kesehatan, perkembangan AI yang diciptakn Google kini jg merambah ke bing identifikasi tempat atau lokasi sebuah foto yang iambil di seluruh bagian planet. Dengan menggunakn jaringan neural n kecerdasan buatan, Google memprogram mesin utk bsa membandingkan sebuah foto dg jutaan foto lain sehinga bsa disimpulkan di mana foto tersebut iambil.
Mesin baru yang dtanteat Tobias Weyand, seorang spesialis computer vision di Google secara signifikan telah melbhi kemampuan manusia n dpt menggunakn trik pintar utk menentukan lokasi gambar dalam ruangan n gambar dhari hal-hal lain seperti binatang, maknan n sebagainya yang tidak memiliki petunjuk lokasi.
Pendekatan ia sangat sederhanya, setidaknya dalam dunia machine learning. Weyand n timnya membagi dunia dalam petak-petak yang terdiri dhari 26.000 kubik dg ukuran yang bervariasi bergantung dg jumlah gambar yang iambil di lokasi tersebut.
Jadi kota-kota besar yang memiliki banyak subjek gambar, mempunyai struktur jaringan yang lbh halus dibanding daerah terpencil di mana foto-foto biasanya jarang iambil. Memang, tim Google mengabaikan daerah-daerah seperti lautan n kutub krna daerah ini jarang berubah atau tidak mempunyai ditail yang jelas.
Selanjutnya, tim menciptakn database gambar terlokasi dhari web n menggunakn data lokasi tersebut utk menentukan kotak persegi mana yang iambil dhari masing-masing gambar. Kumpulan data ini sangat besar yang terdiri dhari 126 juta gambar bersamaan dg data lokasi yang menyertainya.
Weyand n timnya telah menggunakn 91 juta gambar-gambar tersebut utk mengajarkan jaringan neural agar bsa menentukan lokasi petak hanya menggunakn gambar itu sendiri. Ide ia adl utk memasukkan gambar ke jaringan ini n mendptkan output lokasi atau kemungkinan-kemungkinan lokasi yang mirip.
Mereka kemuian mengevaluasi jaringan neural tersebut menggunakn sisa 34 juta gambar yang lain di database. Akhirnya ia menguji jaringan tersebut -yang ia beri nama PlaNet- dg berbagai cara utk melihat seberapa baik ia bekerja.
Hasilnya cukup menarik. Untuk mengukur kesayaratan mesin, ia mengisikan 2.3 juta gambar -yang sudah diketahui lokasinya sebelumnya- dhari Filckr utk mengetahui benarkah ia bsa menentukan lokasi dhari gambar-gambar tersebut dg benar. “PlaNet akhirnya mampu melokalisasi 3,6% gambar dg tingkat sayarat sampai ke posisi jalan n 10,1% kekuratan kota†kata Weyand n timnya. Selanjutnya mesin mengidentifikasi gambar berdasarkan negara sebanyak 28,4% n benua sebanyak 48%.
Itu cukup bgs. Namun utk menunjukkan seberapa baik mesin ini bekerja, Weyand n tim melsayakn ujicoba utk melawan manusia. Mereka menggunakn game online yang menantang manusia memutuskan letak posisi dhari gambar-gambar yang iambil dhari Google Street View secara acak. Siapapun bsa memainkan game ini di www.geoguessr.com.
Tak perlu dikatakn, PlaNet bsa mengalahkan manusia. “Secara total, PlaNet memenangkan 28 dhari 50 pertandingan dg kesalahan lokalisasi meian sekitar 1.131,7 km, sengkan manusai mempunyai kesalahan rata-rata 2.320,75 km†kata Weyand n timnya “Percobaan skala kecil ini menunjukkan bahwa PlaNet mencapai kinerja manusia super utk kasus pemecahan lokalisasi Street View.â€
Pertanyaan yang menarik adl bagaimana PlaNet ini bsa bekerja dg baik tanpa bsa menggunakn petunjuk-petunjuk yang biasa manusia lsayakn, seperti tumbuh-tumbuhan, gaya arsitektur, n sebagainya. Tapi Weyan n timnya mengatakn ia tahu kenapa: “Kami pikir PlaNet mempunyai keuntungan lbh dharipadha manusia krna telah melihat lbh banyak tempat dharipadha yang pernah dilihat n dikunjungi oleh kebanyakn manusia n telah belajar petunjuk-petunjuk yang sangat halus yang sulit dilsayakn oleh manusia.
Mereka melangkah lbh jauhhhhh n menggunakn mesin utk menemukan gambar yang tidak memiliki petunjuk lokasi, seperti gambar yang iambil di dalam ruangan atau benda tertentu. Hal ini mungkin dilsayakn krna sebuah gambar adl bagian dhari album yang semuanya telah iambil di tempat yang sama. Mesin hanya perlu melihat-lihat gambar yang lain di dalam album utk memastikan dimana gambar tersebut iambil n mengasumsikan gambar yang lbh spesifik iambil di tempat yang sama.
Ini adl pencapaian yang mengesankan yang menunjukkan sekali lagi bahwa jaringan deep neural telah meningkatkan kekuatan otot ia . Mungkin yang lbh mengesankan lagi adl model ini hanya menggunakn memori yang lbh dikit dharipadha pendekatan lain yang menggunakn bergiga-giga byte data. “Model kami hanya menggunakn 337MB, yang bahkan muat ke dalam memori smartphone,†ucap Weyand n timnya.
Ide yang sangat menggiurkan, kekuatan jariangan saraf manusia super padha sebuah
smartphone. Itu pasti tidak akn lama lagi!
Temukan smartphone-smartphone dg kemampuan super, RAM 6GB n masih banyak yang lain hanya di
KliknKlik.com
EmoticonEmoticon