پژوهشگران در مقالهای که در کنفرانس NeurIPS 2021 ارائه شده میگویند سیستم هوش مصنوعی آنها برخلاف مدلهای موجود وابستگی زیادی به شرایط محیطی ندارد. مدل جدید آنها قادر به شناسایی اطلاعات ODD (یا اطلاعات خارج از دادههای آموزشی) است و به همین خاطر حتی در شرایط غیرایدهآل میتواند سوژهها را تشخیص دهد. برای مثال، این سیستم بهخوبی میتواند در شرایط نوری گوناگون و زاویههای نمایشی مختلف کار کند.
محققان فوجیتسو و MIT با تبدیل شبکههای عصبی عمیق (DNN) به ماژولهای مختلفی که هر کدام قادر به شناسایی یک مشخصه خاص مثل شکل یا رنگ هستند، موفق به ساخت این سیستم شدهاند. مغز انسان هم تقریبا به روش مشابهی اطلاعات دیداری را پردازش میکند.
بر اساس آزمایشهای بنچمارک CLEVR-CoGenT، این مدل هوش مصنوعی دقیقترین مدلی است که تاکنون در زمینه تشخیص تصویر آزمایش شده است. دکتر «سیشی اوکاموتو» از فوجیتسو میگوید: «این موفقیت یک دستاورد بزرگ برای آینده توسعه فناوری هوش مصنوعی است که میتواند ابزار جدیدی برای آموزش مدلها ارائه کند. با این کار سیستم قادر خواهد بود در برابر شرایط گوناگون پاسخ انعطافپذیر ارائه کند و حتی اطلاعات ناشناختهای را که با دادههای تعلیمی تفاوت زیادی دارد، با دقت بالا شناسایی نماید. با هیجان چشمانتظار فرصتهایی هستیم که این فناوری در جهان واقعی ایجاد خواهد کرد.»
دکتر «توماسو پوگیو» از دانشگاه MIT میگوید اصول محاسبه با الهام از علم عصبشناسی میتواند پتانسیل غلبه بر مشکلاتی مثل سوگیری پایگاه داده را داشته باشد. او اضافه میکند: «وقتی شرایط ODD را میسنجیم، میان DNN و انسانها شکاف بزرگی وجود دارد که به شدت به کارکردهای هوش مصنوعی بهخصوص به لحاظ ایمنی و عدالت آسیب وارد میکند. ولی نتایجی که تاکنون از این تحقیق به دست آمده یک گام مثبت [به سمت حل این مشکلات] محسوب میشود.»
فوجیتسو و MIT در ادامه میخواهند به توسعه مدلهای هوش مصنوعی خود ادامه دهند تا از آنها برای انجام قضاوتهای منعطف در حوزههایی مثل تولید و خدمات بهداشتی استفاده کنند.