Обидот да се открие нелегална трговија и шверц на стоки е сложен процес. Не само што е тешко да се идентификуваат предмети како наркотици и фалсификувани производи, туку и тековната најкористена технологија—рентгенските зраци—пружaат само 2D преглед, кој често е замаглен.
„Тоа не е како да правите рентген на заби, каде што само имате едно заб“, рече Ерик Милер, професор по електрично и компјутерско инженерство на Универзитетот Туфтс. „Туку е како да правите рентген на заб и добивате целосна слика од стоматолошката ординација.“
Но, Милер и неговиот истражувачки тим сега најдоа можно решение што користи вештачка интелигенција со длабоко учење за да открие предмети кои не треба да се таму, а точноста на технологијата е 98%. Нивните наоди беа објавени во Engineering Applications of Artificial Intelligence.
Потребата за подобро сликање е критична. Во САД, повеќе од 11 милиони контејнери пристигнуваат по море, 11 милиони по камиони и 2,7 милиони по железница, и сите тие треба да бидат скенирани, според Службата за царина и гранична заштита на САД.
Во моментов, инспекциите на товарот се често прават со рентген, обидувајќи се да се разгледаат сложени колекции на предмети, кои, поради природата на рентгенските зраци, се преклопуваат едни со други. Како резултат на тоа, таквите прегледи на сликите бараат постојан човечки надзор, што може да биде исцрпувачки и да доведе до грешки.
За студијата, истражувачите користеле сетови на податоци со слики на пакувани предмети и го воделе длабокото учење на вештачката интелигенција да идентификува предмети што се очекувани, како гуми и шишиња вино, и тие што не се. На пример, тие започнале со едноставни аномалии—предмети во облик на цилиндри и нинджа ѕвезди. Потоа преминале на сложени аномалии, како што се предмети во облик на торбички за пари, слонови забови и тегли.
Студијата била спроведена на симулирани податоци. За технологијата да се имплементира во реално време, моделот би требало да мине преку многу повеќе истражувања за да се усогласи и потврди на повеќе видови на реални материјали, рече Милер. Тој додаде дека моделот не би функционирал самостојно за да одреди што е забрането, а што не е. Наместо тоа, моделот би идентификувал можни аномалии за подоцнежен човечки преглед.
Методата може да се примени и во области како микроскопија, медицинско истражување, обновување по катастрофи и контрола на квалитет. Таа исто така може да се примени за помагање на производителите да идентификуваат работи како пукнатини во крилата на авионите или недостатоци во компјутерските чипови, рече Милер.
„Каде и да треба да гледате нешто во хаотична средина, овој модел може да се адаптира и тренира за да помогне во откривањето на нешто што не треба да биде таму, она што го барате“, рече тој.
