Mapy Google i podobne mogą być lepsze dzięki sztucznej inteligencji. Oto nowy pomysł z MIT

Tworzenie map drogowych to czasochłonne, a co za tym idzie kosztowne przedsięwzięcie. Często same zdjęcia satelitarne czy lotnicze nie wystarczają. Problemem może być chociażby roślinność, która utrudnia analizę trasy przy widoku z góry. W związku z tym wiele miejsc musi być mapowanych z ziemi. Pewien zespół naukowców twierdzi jednak, że może tu pomóc AI.

Grupa naukowców z MIT oraz Qatar Computing Research Institute (QCRI) zaprezentowała algorytm, który docelowo ma całkowicie zautomatyzować proces tworzenia map dla kierowców, ze zdjęć. Nosi on nazwę RoadTagger i stanowi implementację dwóch rodzajów sieci neuronowych.

Sieć numer jeden to sieć konwolucyjna, inaczej splotowa, czyli obecnie dość typowe rozwiązanie w zakresie analizy obrazu. Taka sieć, w dużym uproszczeniu, pozwala na wyodrębnienie kluczowych cech z analizowanego materiału. Patrząc z technicznego punktu widzenia, można by rzec, że istotą metody splotowej jest wyuczenie modelu parametrów filtru, które umożliwią sprawne rozpoznawanie konkretnych cech. Mógłby to być na przykład rodzaj nawierzchni.

Z kolei druga z użytych sieci, sieć rekurencyjna, odpowiada za generowanie sekwencji wyjściowej. Znów – w dużym uproszczeniu, działa to tak, że analizowane zdjęcie dzielone jest na niewielkie wycinki. Coś &aacute al puzzle. Jeśli na dwóch sąsiednich wycinkach droga została określona jako asfaltowa i dwupasmowa, to kiedy na kolejnym analizę uniemożliwiają korony drzew, program może odgadnąć rezultat, i to z wysokim prawdopodobieństwem.

Przeanalizowano w ten sposób zdjęcia satelitarne 20 amerykańskich miast, identyfikując poprawnie 77 proc. niewidocznych pasów jezdni i 93 proc. typów dróg. A to ponoć dopiero początek, gdyż RoadTagger ma być stale rozbudowywany, m.in. o możliwość wyszukiwania parkingów i ścieżek rowerowych. Tak, aby zwiększyć zakres zastosowań AI.

Jeden z autorów projektu, prof. Sam Madden, uważa, że RoadTagger to przyszłość nawigacji. Jak twierdzi, obecna natura tworzenia map, wymagająca znacznego udziału człowieka, prowadzi do pomijania mniej obleganych miejsc. – Większość zaktualizowanych map cyfrowych pochodzi z miejsc, na których najbardziej zależy korporacjom – mówi uczony. – Jeśli znajdujesz się w lokalizacji, którą potentaci się nie przejmują, jakość mapy drastycznie spada – zauważa.

Automat tymczasem może przeanalizować wszystko i wszędzie; z równą dokładnością i na tyle sprawnie, że jedno miasto w tę czy we w tę nie robi mu żadnej różnicy. Tak więc nawet jeśli nie pozwoli całkowicie porzucić metody manualnej, to chociaż uzupełni braki w mniej obleganych zakamarkach świata. Przyznajcie, brzmi to całkiem sensownie.