Spoločnosť Microsoft spustila nástroj na rozpoznávanie obrázkov, ktorý sa pokúša opísať obsah obrázka. Tento nástroj umelej inteligencie je stále vo fáze vývoja a neustále sa učí z obrázkov odovzdaných používateľmi.

Pokiaľ ide o presnosť, niekedy je opis pomerne presný, zatiaľ čo CaptionBot niekedy ponúka opisy, ktoré nemajú nič spoločné s tým, čo je zobrazené. Existujú aj prípady, keď aplikácia nedokáže vôbec poskytnúť popis kvôli svojmu drsnému stavu okolo okrajov.

Microsoft navrhol CaptionBot, aby sa učil s väčšou skúsenosťou, s očakávaním, že jeho titulky budú v priebehu času presnejšie. Čím viac obrázkov odovzdajú používatelia, tým lepšia bude aplikácia, ako to popisuje samotný CaptionBot:

Dokážem porozumieť obsahu každého obrázka a pokúsim sa ho opísať ako aj každého človeka. Stále sa učím, takže budem držať vašej fotky, ale nebudem mať žiadne osobné informácie.

CaptionBot používa tri technológie na opis toho, čo je zobrazené na obrázku: Microsoft Computer Vision, Emotion a Bing Image. Rozhranie Computer Vision API extrahuje z obrázkov bohaté informácie na kategorizáciu a spracovanie vizuálnych údajov spolu s identifikáciou a extrahovaním textu z obrázka. Emotion API, ako už názov napovedá, analyzuje tváre, aby odhalil celý rad pocitov, všetko od hnevu, pohŕdania, znechutenia, strachu, šťastia, neutrality, smútku a prekvapenia. Program Bing Image vyhľadáva obrázky na webe.

Testovali sme CaptionBot a výsledky boli presné v 50% prípadov. Napríklad sme nahrali dva obrázky: jeden zobrazuje hernú myš, druhý hromadu kariet. V oboch prípadoch tento nástroj navrhol, že ide o mobilný telefón. Na druhej strane CaptionBot presne detekoval ľudí a tváre.

Zrejme má CaptionBot posadnutosť mobilnými telefónmi. Jeden používateľ Twitteru nahlásil aplikáciu, že Michelle Obama je mobilný telefón. Ďalšie vtipné titulky CaptionBot nájdete na tejto stránke služby Twitter.

Môžete tiež vyskúšať CaptionBot tu. Vyskúšajte to: pomôžete nástroju vylepšiť alebo sa budete dobre smiať!