Microsoft ir laidis klajā attēlu atpazīšanas rīku, kas mēģina aprakstīt attēla saturu. Šis mākslīgā intelekta rīks joprojām ir izstrādes stadijā un pastāvīgi mācās no lietotāju augšupielādētiem attēliem.

Ciktāl tas attiecas uz precizitāti, dažreiz apraksts ir diezgan precīzs, savukārt dažreiz CaptionBot piedāvā aprakstus, kuriem nav nekā kopīga ar attēloto. Pastāv arī gadījumi, kad lietotne vispār nevar sniegt aprakstu, pateicoties tā stāvoklim aptuvenā malā.

Microsoft izstrādāja CaptionBot, lai mācītos ar lielāku pieredzi, cerot, ka laika gaitā tā paraksti kļūs precīzāki. Jo vairāk attēlu lietotāji augšupielādē, jo labāka lietotne kļūst, jo sevi raksturo CaptionBot:

Es saprotu jebkura attēla saturu un mēģināšu to aprakstīt kā jebkuru cilvēku. Es joprojām mācos, tāpēc paturēšu jūsu fotoattēlu, bet personiskas informācijas nav.

CaptionBot izmanto trīs tehnoloģijas, lai aprakstītu to, kas attēlots attēlā: Microsoft's Computer Vision, Emotion un Bing Image. Computer Vision API no attēliem iegūst bagātīgu informāciju, lai kategorizētu un apstrādātu vizuālos datus, kā arī identificētu un iegūtu tekstu no attēla. Emotion API, kā norāda nosaukums, analizē sejas, lai atklātu jūtu diapazonu, sākot ar dusmām, nicināšanu, riebumu, bailēm, laimi, neitralitāti, skumjām un pārsteigumiem. Bing Image tīmeklī meklē attēlus.

Mēs pārbaudījām CaptionBot, un rezultāti bija precīzi 50% gadījumu. Piemēram, mēs augšupielādējām divus attēlus: vienā attēlota spēļu pele, otrā kartes kaudze. Abos gadījumos rīks ieteica, ka tas ir mobilais tālrunis. No otras puses, CaptionBot precīzi noteica cilvēkus un sejas.

Acīmredzot CaptionBot ir apsēsta ar mobilajiem tālruņiem. Viens Twitter lietotājs ziņoja par lietotnes domāšanu, ka Mišela Obama ir mobilais tālrunis. Lai uzzinātu vairāk par CaptionBot smieklīgajiem parakstiem, apskatiet šo Twitter lapu.

Šeit varat arī pārbaudīt CaptionBot. Izmēģiniet to: jūs vai nu palīdzēsit rīku uzlabot, vai arī jums būs labs smieties!