„Azt általában tudjuk, hogy felvétel készül rólunk, azt viszont már nem, milyen információt keres rajta az algoritmus, és mit képes megállapítani belőle. Ez még a szakemberek számára sem mindig egyértelmű” – mondta Pető Márk. A kamerák elhelyezéséből önmagában még nem derül ki, mire használjuk: ugyanaz a kép alkalmas lehet a mozgás követésére, egy arc azonosítására vagy egy szokatlan viselkedés felismerésére. A gépi látás ereje tehát abban rejlik, hogy egy hétköznapi felvételből is nagyon részletes adatokat képes feldolgozni.

A gép felismeri a mozgást, de az okát már kevésbé

Egyes képfelismerési teszteken a gép már jóval kevesebbet hibázik az embernél. Nagy mennyiségű képből tanul, így előre meghatározott szabályok nélkül is képes felismerni a visszatérő mintázatokat. Ez a fölény azonban mindig egy pontosan meghatározott feladatra vonatkozik. Egy algoritmus például könnyen felismeri, hogyha valaki fut az utcán. Azt már sokkal nehezebben állapítja meg, hogy miért teszi: sportol, próbálja elérni a villamost vagy menekül valami elől? Az ember a helyzet értelmezéséhez a környezetre, a korábbi tapasztalataira és a helyzet apró jeleire is támaszkodik, a gépnek mindezt külön-külön meg kell tanulnia.

„Egy adott feladatra már készíthetünk rendkívül pontos rendszert. Az ember előnye viszont továbbra is az általános tudásban rejlik. Ha bárhol a világon odaadunk valakinek egy almát, jó eséllyel felismeri, és azt is tudja, hogyan fogja meg. Ez a széles körű ismeret még messze nincs meg a gépekben” – fogalmazott Cserteg Tamás. A gép tehát egyre pontosabban megmondja, mit lát a képen, de annak megértése, hogy valójában mi történik, továbbra is jóval nehezebb, összetettebb feladat számára.