Язык MIT Picture: восстановление 3D-сцены в несколько строчек кода

Последние достижения в области искусственного интеллекта, такие как мобильные приложения, преобразующие голос в текст, являются результатом машинного обучения. Чтобы упростить создание таких приложений, специалисты компьютерных наук начали разрабатывать так называемые языки вероятностного программирования. В 2013 году Агентство передовых оборонных исследовательских проектов США запустило четырёхлетнюю программу финансирования новых разработок в области вероятностного программирования.

MIT

На Конференции компьютерного зрения и шаблонного распознавания, которая пройдёт в июне этого года, исследователи Массачусетского института технологий (MIT) покажут, что в некоторых стандартных визуальных задачах короткие программы длиной менее 50 строчек кода, написанные на языке вероятностного программирования, являются конкурентами традиционных систем. Последним для решения таких же задач требуются тысячи строчек кода. Как отметил один из участников проекта Теджас Кулкарни (Tejas Kulkarni), впервые вероятностное программирование использовано в приложениях компьютерного зрения. Одна из задач, над которой работают инженеры, состоит в конструировании 3D-модели человеческого лица из нескольких двухмерных изображений. Сама модель уже создана и им остаётся только перевести описание в вероятностный синтаксис.

alisdesign.prosite.com

Простые программы, написанные группой исследователей MIT на вероятностном языке, превзошли традиционные решения. Частота ошибок сократилась на 50–80 % по сравнению с предшественниками. В созданном ими языке Picture (который является расширением языка Julia, ранее созданного также в стенах MIT) интегрированы несколько алгоритмов логического вывода. Причём они могут самосовершенствоваться с помощью того же машинного обучения. По словам разработчиков, Picture представляет собой общий каркас, нацеленный на решение почти любых задач в области компьютерного зрения. Предложенный подход идёт гораздо дальше простой классификации и распознавания изображений. Он даёт возможность ответить на один из фундаментальных вопросов компьютерного зрения: «Как максимально реалистично восстановить сцену?».