Kad pogreši mašina: Kažnjen jer je veštačka inteligencija ocenila da je tokom vožnje pričao telefonom

Auto 24. feb 202415:14 13 komentara
The Digial Way/Pixabay

Jedan Holanđanin je kažnjen sa 380 evra pošto ga je kamera sa veštačkom inteligencijom snimila kako razgovara telefonom tokom vožnje. Međutim, on tvrdi da se samo češao po glavi.

Krajem prošle godine, tačnje u novembra prošle godine, Tim Hansen je dobio kaznu jer je mesec dana ranije navodno pričao mobilnim telefonom dok je vozio automobil.

Bio je kako kaže, šokiran, uglavnom zato što se nije sećao da je tog dana koristio telefon za volanom, pa je odlučio da proveri fotografiju mšaine na „Centralnoj agenciji za sudsku naplatu“, prenosi sajt Oditu sentral (Oddity central).

Na prvi pogled čini se da Tim zaista razgovara na svom telefonu, ali pažljiviji pogled otkriva da on zapravo ne drži ništa u ruci. Jednostavno se češao po glavi u predelu malo iznad slepočnice, a kamera je zamenila položaj njegove ruke za držanje telefona. Ono što je još zbunjujuće je da čovek koji je proverio fotografiju, potvrdio svoju kaznu ne primetivši da je navodni počinilac “lažno pozitivan”, odnosno da ne drži ništa u ruci.

Međutim, Hansen je program koji pravi algoritme koji uređuju i analiziraju slike, pa je iskoristio svoje lično iskustvo da objasni kako sistem policijskih kamera, Monokam (Monocam), funkcioniše i zašto može da pravi greške.

View this post on Instagram

A post shared by VTV DIGITAL (@vtv24news)

Iako nije mogao sam da testira policijski Monokam, objasnio je kako je sistem dizajniran da radi i zašto može da proizvede lažne pozitivne rezultate.

„Ako model mora da predvidi da li je nešto ’da‘ ili ’ne‘, može se naravno desiti i da model nije u redu. U slučaju moje kazne, model je pokazao da držim telefon, a to nije slučaj. Tada govorimo o lažno pozitivnom. Savršen model predviđa samo istinske pozitivne i prave negativne, ali 100% tačno predviđanje je retko“.

Ovaj IT specijalista je objasnio da ovakvi sistemi moraju da prođu obuku sa velikim brojem slika u dve ili tri grupe: set za obuku, set za validaciju i set za testiranje.

Povezane vesti

Prvi skup se koristi da nauči algoritam koji se objekti nalaze na kojim slikama i koja svojstva poput boja, linija im pripadaju, drugi da optimizuje određeni broj parametara algoritma, a treći da testira koliko dobro sistem zapravo funkcioniše.

„Algoritam koji smo koristili, kao i onaj od policije, može posumnjati da je telefon prisutan jer skup podataka za obuku sadrži mnogo primera ljudi koji zovu sa telefonom u ruci pored uva“, rekao je Tim.

„Možda je da skup podataka o obuci sadrži malo ili nimalo fotografija ljudi koji sede sa praznom rukom na uvetu. U tom slučaju za algoritam postaje manje važno da li se telefon zaista drži u ruci, ali je dovoljno ako je ruka blizu uha. Da bi se ovo poboljšalo, trebalo bi dodati još fotografija tamo gde je ruka prazna“.

Hansen tvrdi da je zbog mnogih varijabli koje mogu uticati na odluku algoritma potreban ljudski filter da bi se smanjio broj lažnih pozitivnih rezultata. Međutim, u njegovom sluaju se pokazalo I da je ljudski faktor zakazao, pretpostavlja se zbog manjka pažnje i viška poverenja u mašinu.

Samo u njegovom slučaju, kaznu je potvrdio čovek nakon analize fotografije snimljene kamerom. tako da ni to nije sigurno rešenje.

Koje je tvoje mišljenje o ovome?

Učestvuj u diskusiji ili pročitaj komentare