Beelden vinden zonder 1000 woorden
Automatisch herkennen wat op een foto of video is afgebeeld, zonder daar begeleidende tekst voor nodig te hebben, was lang een heilige graal voor onderzoek aan information retrieval. En zoals een graal betaamt, lag die ver weg aan de horizon. Maar die situatie is intussen sterk veranderd.
Google zegt zinnetjes te kunnen genereren die beschrijven wat op een foto te zien is.
Flickr voegt al enige tijd zelf tags toe aan geüploade foto’s.
Semantische zoekmachine Wolfram-Alpha heeft een testsysteem dat herkent wat het hoofdonderwerp van geüploade foto’s is.
Facebook heeft recent aangekondigd te kunnen herkennen wat op de miljarden foto’s staat, die we daar gezamenlijk hebben neergezet. (Zie o.a. HIER en HIER).
En onlangs waren er berichten dat Samsung in een nieuwe digitale assistent (Bixby) automatische herkenning van je eigen mobiel gemaakte foto’s inbouwt, zodat je die zelf makkelijker kunt terugvinden.
Zo zou ik nog wel even kunnen doorgaan. Deze hausse lijkt helemaal veroorzaakt door de snelle opmars van kunstmatige intelligentie, en met name van technieken voor machine learning, zoals diepe neurale netwerken – vandaar de ook wel gebruikte aanduiding “deep learning”.
De hier gegeven voorbeelden wekken wellicht de indruk dat het allemaal van de grote spelers in de VS moet komen. Maar dat is niet terecht. In Nederland speelt Cees Snoek al ruim 10 jaar een vooraanstaande rol op dit gebied. Ook toen dat nog geen hype-woord was, paste hij al methoden van machine learning toe en wonnen in zijn onderzoeksgroep ontwikkelde algoritmes prijzen op internationale toernooien voor beeldherkenning en beeldzoeken. Intussen geeft hij leiding aan het onderzoek bij QUVA Lab, een samenwerking tussen de UVA en de Amerikaanse chip-bouwer Qualcomm die beeldherkenning in mobieltjes wil inbouwen. Weinigen zullen dus beter in staat zijn om ons van de nieuwste ontwikkelingen op de hoogte te brengen en trend van hype te scheiden. De lezing van Cees zit op 9 maart in het middagprogramma.