Fei-Fei Li: Výzkumnice AI, která pomohla strojům „vidět“

Fei-Fei Li patří k vědcům, kteří zásadně ovlivnili vývoj počítačového vidění, tedy oboru umělé inteligence zaměřeného na rozpoznávání a interpretaci obrazů. Její jméno se nejčastěji spojuje s projektem ImageNet: rozsáhlou databází označených obrázků, která pomohla výzkumníkům porovnávat metody strojového učení a urychlila nástup moderních neuronových sítí. Stroje díky podobným nástrojům nezačaly vidět jako lidé, získaly však mnohem lepší schopnost přiřazovat obrazovým datům význam.

Od obrazových dat k rozpoznávání objektů

Počítačový systém nevnímá fotografii jako člověk. Obraz pro něj představuje soubor číselných hodnot, z nichž se musí naučit odvodit, co obsahuje. K rozpoznání kočky, auta nebo dopravní značky nestačí naprogramovat několik jednoduchých pravidel. Systém potřebuje mnoho příkladů, na nichž se může naučit vztahy mezi obrazovými znaky a jejich označením.

Na tomto principu stojí učení s učitelem. Trénovací data obsahují obrázky doplněné štítky, například názvem zachyceného objektu. Algoritmus se z těchto příkladů učí a jeho výsledky se následně ověřují na datech, která při tréninku neviděl. Kvalita, rozsah i struktura dat proto mohou ovlivnit výkonnost modelu stejně významně jako samotná výpočetní metoda.

ImageNet jako výzkumná infrastruktura

Fei-Fei Li vedla vznik ImageNetu, projektu zaměřeného na vytvoření rozsáhlé a systematicky uspořádané databáze obrázků. Výzkumníci při jeho budování využili existující jazykovou strukturu WordNetu, která třídí pojmy do kategorií a vztahů. Cílem bylo shromáždit velké množství obrazových příkladů pro jednotlivé kategorie a opatřit je odpovídajícími štítky.

Význam projektu nespočíval jen v počtu obrázků. ImageNet nabídl společný podklad, na němž mohli odborníci vyvíjet a porovnávat své metody. Před jeho rozšířením se výzkumné výsledky často opíraly o menší nebo vzájemně odlišné soubory dat. Společná databáze a navazující soutěž ImageNet Large Scale Visual Recognition Challenge vytvořily srovnatelnější prostředí pro měření pokroku v rozpoznávání objektů.

Databáze se stala jedním z důležitých předpokladů průlomu hlubokého učení v oblasti počítačového vidění. V roce 2012 dosáhla neuronová síť AlexNet výrazného úspěchu v soutěži založené na ImageNetu. Její výsledek přispěl k širšímu přijetí hlubokých neuronových sítí jako účinného přístupu k analýze obrazů. Nešlo o izolovaný objev: důležitou roli hrály také rychlejší výpočetní prostředky, vhodné algoritmy a práce řady dalších výzkumných týmů.

Co znamená, že stroj „vidí“

Výraz „strojové vidění“ je zkratkou pro technické úlohy, jako je klasifikace obrazu, detekce objektů nebo segmentace scény. Model může určit, že na snímku pravděpodobně je pes, případně vyznačit jeho polohu. To ale samo o sobě neznamená, že rozumí situaci, účelu objektu nebo širším souvislostem tak jako člověk.

Výkon modelu se obvykle hodnotí na konkrétní úloze a souboru dat. Úspěch při rozpoznávání objektů na fotografiích proto automaticky nezaručuje spolehlivost v jiném prostředí, například při práci s lékařskými snímky nebo kamerovými záznamy. Pokud se podmínky v provozu liší od podmínek, na nichž se systém učil, může jeho přesnost klesnout.

Přínosy a omezení velkých datových souborů

ImageNet ukázal, že rozsáhlá data mohou výzkumný obor posunout vpřed, zároveň však upozornil na jejich limity. Označování obrázků je náročná práce a štítky mohou být nepřesné nebo příliš zjednodušující. Databáze také odráží způsob, jakým byly snímky shromážděny a roztříděny. Pokud některé skupiny, prostředí nebo typy objektů zastupuje nedostatečně, může se tato nerovnováha promítnout do chování modelu.

Tyto otázky mají nejen technický, ale i společenský a ekonomický rozměr. Chybný výsledek může mít různou závažnost podle toho, zda systém třídí fotografie, pomáhá s kontrolou výroby, nebo podporuje rozhodování v citlivé oblasti. Organizace proto potřebují posuzovat nejen průměrnou přesnost, ale také chování modelu v konkrétních podmínkách, kvalitu vstupních dat a důsledky případných chyb.

Výzkum zaměřený na člověka

Fei-Fei Li působí na Stanfordově univerzitě a vedle technického výzkumu se věnuje také širším otázkám umělé inteligence. Je spojována s úsilím o rozvoj přístupů, které berou v úvahu lidské potřeby, odpovědnost a dopady nasazení technologií. Podílela se také na založení organizace AI4ALL, která podporuje vzdělávání a širší zapojení do oblasti umělé inteligence.

Její práce připomíná, že rozvoj AI nezávisí pouze na výkonnějších modelech. Význam mají také kvalitní data, jasně vymezené úlohy, důkladné testování a lidé, kteří systémy navrhují i používají. Počítačové vidění se z výzkumného tématu stalo součástí řady produktů a služeb, jeho schopnosti však zůstávají omezené účelem a podmínkami, pro které bylo vyvinuto.

Přínos Fei-Fei Li spočívá zejména v tom, že pomohla vytvořit infrastrukturu, díky níž mohli vědci pokrok v rozpoznávání obrazů systematičtěji měřit a sdílet. ImageNet sám o sobě stroje nenaučil lidskému vidění. Poskytl však rozsáhlý základ pro vývoj metod, které dokážou v obrazech rozpoznávat opakující se vzory, a zároveň otevřel důležitou debatu o tom, jaká data do AI vstupují a jak odpovědně s jejími výsledky zacházet.