Stanford Vision and Learning Lab: Tutkimuksen suorittaminen tietokonenäön, koneoppimisen ja robotiikan eturintamassa

TL; DR: Stanfordin visio- ja oppimislaboratorio (SVL), jonka johtajina ovat professorit Fei-Fei Li, Juan Carlos Niebles ja Silvio Savarese, on tutkimusryhmä, joka työskentelee tietokoneenäkymän teoreettisen kehyksen ja käytännön sovellusten kehittämiseksi. Laaja ja monipuolinen laboratorio, jota johtavat opiskelijat, alumnit, tutkijat ja vierailevat tutkijat, on sitoutunut vastaamaan haasteisiin tietokoneen näön, koneoppimisen ja robottiikan risteyksessä. Uraauurtavan tutkimuksensa ja tuottamansa rikas kokeneiden tutkinnon suorittaneiden avulla SVL tuo näkyviin tekoälyn tulevaisuuden.


Stanfordin tietotekniikan professori Fei-Fei Li: n kuvaileminen oman alansa asiantuntijaksi olisi aliarviointi.

Tulokas tutkija on kirjoittanut lähes 200 arvostettuun tieteelliseen julkaisuun. Hän on toiminut Stanfordin tekoälyn laboratorion johtajana. Ja hän keksi ImageNetin, visuaalisen tietoaineiston ja vertailuanalyysitoimenpiteet, jotka on suunniteltu syvän oppimisen ja AI: n kehittämiseen edelleen.

Tunnustuksena hänen monesta pyrkimyksestään toimialan edistämiseksi Carnegie-säätiö nimitti Fei-Fein yhdeksi vuoden 2016 suurista maahanmuuttajista seuraten Albert Einsteinin, Yoyo Ma ja Sergey Brinin jalanjälkiä..

Vuonna 2017 Stanfordista sapattina ollessaan hänet palkattiin AI / ML: n päätutkijaksi Google Cloudissa. Siellä hän auttoi kasvattamaan yrityksen pilvipalveluliiketoimintaa koneoppimisen avulla.

Fei-Fei Li, Juan Carlos Niebles ja Silvio Savarese

Ryhmä tunnettuja tietotekniikan johtajia johtaa laboratoriota.

Kun otetaan huomioon Fei-Fein pätevyys ja kokemus, on helppo nähdä, miksi AI-visionääri yhdessä tunnustettujen professoreiden Juan Carlos Nieblesin ja Silvio Savaresen kanssa oli valmis perustamaan Stanford Vision and Learning Lab (SVL). Uraauurtava tutkimusorganisaatio pyrkii parantamaan tietokonenäköä – monimutkaista tekoälyn osajoukkoa, joka sisältää tietokoneiden opettamisen rekisteröimään esineitä kuviin.

“Olemme erittäin oppimislähtöisiä ja kiinnostuneita siitä, kuinka huipputekniset, laskennalliset ja tietoraskas resurssit voivat ohjata kehitystä suurimmissa haasteissa – kuten Fei-Fei saavutti ImageNetin varhain”, kertoi Andrey Kurenkov, tohtorikoulutettava Stanford ja SVL: n viestinnän asiantuntija.

Laboratorio rekrytoi eteenpäin ajattelevia Andreyn kaltaisia ​​opiskelijoita sekä alumneja, vierailevia tutkijoita ja ammattilaisia ​​ympäri maailmaa auttamaan teoreettisen perustan muodostamisessa ja käytännön sovellusten löytämisessä tietokoneen näön, koneoppimisen ja robotiikan risteyksessä. Tuottamalla jatkuvaa teollisuuden ja akateemisen kykyä sekä uraauurtavaa tutkimusta SVL pyrkii muokkaamaan keinotekoisen älyteollisuuden tulevaisuutta yleensä.

Perusongelmien ratkaiseminen tietokonenäkötutkimuksessa

Tutkimusorganisaatio aloitti kahtena erillisenä laboratoriona, Stanford Vision Lab- ja Stanford Computational Vision and Geometry Lab -laboratorioina, ennen kuin ne yhdistyivät Stanford Vision and Learning Lab -laboratorioksi..

“Fei-Fei Li, Juan Carlos Niebles ja Silvio Savarese yhdistivät ponnistelunsa luodakseen yhden suuren laboratorion, joka keskittyy visioon ja siihen liittyviin sovelluksiin”, Andrey kertoi. “Teemme paljon tietokonenäkötutkimuksia, mutta nyt meillä on alaryhmiä, jotka keskittyvät esimerkiksi 3D-modaliteetteihin (jotka ovat hyödyllisiä itse ajavissa autoissa), robottiikkaan ja terveydenhuoltoon.”

Andrey kertoi, että SVL: n tehtävä on suurelta osin sama kuin suuremman tekoälyn tutkimusyhteisön, vaikkakin keskittynyt tietokoneen visioon. “Suurin osa tyyppisistä laboratorioistamme yrittää kehittää ja viedä eteenpäin tekniikoita, jotta lopultakin olisi myönteistä vaikutusta maailmaan”, hän sanoi.

Kuva Jackrabbotista

Stanford Jackrabbot on itse navigoiva toimituskärry, joka pystyy kuljettamaan pieniä hyötykuormia.

Esimerkiksi SVL kehitti Jackrabbotin – itse navigoivan sähkökärryn, joka on suunniteltu toimimaan tyypillisesti jalankulkijoille tarkoitetuissa tiloissa – korvaamaan tai lisäämään ihmisen ponnisteluja. Autonominen edustaja oli ohjelmoitu ymmärtämään ja ennakoimaan ihmisen liikettä julkisissa tiloissa, kuten Stanfordin kampuksella, jossa tekniikkaa testataan.

Terveydenhuollon alalla SVL tekee yhteistyötä Stanfordin yliopiston lääketieteellisen korkeakoulun kanssa tutkiakseen, kuinka tietokoneen visio ja koneoppiminen voivat vaikuttaa kliinisiin tuloksiin, terveyden parannuksiin ja akateemiseen tietopohjaan. AI-avusteisen hoidon kumppanuuden (PAC) avulla nämä kaksi ryhmää työskentelevät useiden aloitteiden parissa, jotka tukevat älykästä käsihygieniaa, älykästä vanhusten hyvinvointia, palovammoja ja toiminnan havaitsemista tehohoidon yksiköissä.

Viime kädessä tavoitteena on hyödyntää tekoälyä terveydenhuollon parantamiseksi samalla kun pyritään poistamaan kustannusesteet.

Polttaa tulevaisuuden tutkimusta tukevien tietoaineistojen avulla

Erittäin siteeratun tutkimuksen ja huipputeknisen kehityksen lisäksi Andrey sanoi, että SVL tunnetaan kattavaksi aineistoksi, jota se tarjoaa akateemiselle yhteisölle.

Laboratorion tunnetuin tietokanta ImageNet perustettiin tosiasiallisesti hyvissä ajoin ennen SVL: n perustamista, mutta se loi perustan visuaalisen tunnistamisen etenemiselle. Projekti organisoidaan perustuen hierarkiaan, joka on perustettu WordNet-tietokantaan, englanninkielen tietokantaan, jolla on käyttötapauksia laskennallisessa kielitieteessä ja luonnollisessa kielenkäsittelyssä. ImageNet sisältää tällä hetkellä vain substantiivit, mutta tuhansia kuvia käytetään kuvaamaan hierarkian kutakin solmua.

Projektiin liittyy ImageNet-mittakaavan visuaalisen tunnistamisen haaste (ILSVRC), kilpailu, jossa osallistujat tunnistavat kuvan sisällä olevat esineet, jotta ne voidaan luokitella ja merkitä. Tapahtuma, jota nyt yksin hoitaa Kaggle, on suunniteltu auttamaan tietokoneita viime kädessä tunnistamaan hienoisia eroja valokuvissa samalla edistäen tieteellistä tietoa esineiden havaitsemisessa ja luokittelussa.

Visuaalinen genomi

Visual Genome on aloite, joka yhdistää jäsennellyt kuvakonseptit kieleen.

SVL: n muodostumisen jälkeen luotuihin tietokokonaisuuksiin kuuluu Visual Genome, joka auttaa yhdistämään jäsennellyt kuvakäsitteet ihmisen kieleen. Jatkuva työ koostuu tällä hetkellä miljoonista kuvakuvauksista, esineistä, määritteistä, suhteista ja kysymys-vastaus-pareista. Tämän tyyppisiä tietoja tarvitaan tietokoneille, jotta ne voivat suorittaa onnistuneesti kognitiivisia tehtäviä, joihin liittyy päättely visuaalisen maailman kanssa.

Toista laajamittaista tietokantaa, ObjectNet3D, käytetään tietokoneiden auttamiseen tunnistamaan 3D-objektit 2D-kuvissa. Nämä tiedot voisivat tasoittaa tietä tulevaisuuden tutkimukselle robotiikasta, itsenäisestä ajamisesta ja laajennetusta todellisuudesta.

Lisäksi PAC työskentelee segmentoitujen ja huomautettujen polttokuvien tietojoukkona, joka tunnetaan nimellä BURNED. Se koostuu yli 1 000 kuvasta palovammoista, jotka plastikkirurgit ovat kuvanneet ja merkitty syvyyden perusteella. Tutkijat suunnittelevat tietojen hyödyntämistä automatisoidun visuaalisen järjestelmän rakentamiseen, joka pystyy ennustamaan potilaiden palamisen vakavuuden ja aluesuuntauksen parantaen hoitopäätöksiä.

Opintoelimen ja alumnien lausunnot

Kaikista haasteista, joihin SVL puuttuu, Andrey sanoi, että kykyjen houkutteleminen ei ole yksi niistä. Fei-Fei Li, Juan Carlos Niebles ja Silvio Savarese ovat kaikki tunnettuja ja arvostettuja professoreita, jotka ovat vaikuttaneet merkittävästi opiskelualueisiinsa, ja he työskentelevät jatkuvasti monipuolisen ja kiinnostavan projektisarjan parissa..

“Monissa tapauksissa opiskelijat liittyvät laboratorioon haettaessa maisterin tutkintoa tai jopa ala-asteellaan ollakseen osa suurempaa projektia”, Andrey kertoi. “Uudet opiskelijat voivat vähitellen ottaa lisää työtä ja tulla merkittäväksi osaksi tutkimusta, ja se on todella houkuttelevaa.”

Lab-jäsenet vetäytyvät

Uraauurtavan tutkimuksen lisäksi SVL tuottaa jatkuvaa teollisuus- ja akateemista osaamista.

Laboratoriossa työskentelevät opiskelijat tulevat usein yliopistoihin ammatillisella tasolla tai turvaamaan roolit merkittävissä teknologiayrityksissä. Entinen laboratoriossa osallistuva Andrej Karpathy, joka keskittyi syvään oppimiseen ja keinotekoisiin hermostoverkkoihin hankkiessaan tohtorin tutkintoa Stanfordissa, on nyt Teslan tekoälyn vanhempi johtaja.

Muita erottuvia alumneja ovat Timnit Gebru, tutkija Googlen Ethical AI -tiimissä; Jia Li, joka toimi R&D Google Cloud AI: ssä; ja Olga Russakovsky, nyt apulaisprofessori Princetonin yliopiston tietotekniikan laitokselta.

“Ihmisten lukumäärä, jotka ovat valmistuneet laboratoriosta ja joutuneet tulemaan professoreiksi tai tärkeiksi alan henkilöiksi, on melko huomattava”, Andrey sanoi. “Se osoittaa, että ruokimme laajempaa akateemista yhteisöä.”

Andrey kertoi useita vuosia toimineen nykyisessä yhdistetyssä muodossaan, että SVL on lyömässä askeleensa.

“Tulevaisuuteen johtajamme ovat kiinnostuneita näkemään, alammeko näkemään vielä lisää hyötyjä yhteistyöstä, koska laboratorio on niin suuri ja kattaa niin monta erityyppistä työtä”, hän sanoi..

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me