آموزشبینایی ماشین

درس ۵ از ۸۱، هوش مصنوعی، حدود ۲۵ دقیقه خواندن

بینایی ماشین در صنعت، پزشکی، کشاورزی و زندگی روزمره

جواب کوتاه

بینایی ماشین، هر جایی به کار میاد که یه آدم، ساعت‌ها، به عکس یا یه چیز نگاه می‌کنه تا یه تصمیم ساده بگیره؛ مثل یه جفت چشم که خسته نمی‌شه. توی صنعت، دوربین‌های خط تولید، محصول معیوب رو جدا می‌کنن، قطعه‌ها رو می‌شمرن، و برچسب‌ها رو می‌خونن. توی پزشکی، سرفصل جهانی علوم کامپیوتر، تصویربرداری پزشکی رو یکی از کاربردهای گرافیک و تصویر می‌دونه؛ و بینایی ماشین، می‌تونه ناحیه‌های مشکوک رو علامت بزنه تا پزشک، دقیق‌تر ببینه؛ تصمیم آخر، با پزشکه. توی کشاورزی، می‌شه از روی عکس، میوه‌ها رو شمرد، برگ‌های بیمار رو پیدا کرد، یا با عکس از بالا، وضعیت مزرعه رو دید. توی زندگی روزمره، قفل چهره‌ی گوشی، اسکن سند، جست‌وجوی عکس توی گالری، و عکاسی بهتر؛ همون سرفصل، عکاسی رو یکی از اپ‌های روزمره‌ی هوش مصنوعی می‌شمره. و توی خودرو، فروشگاه، ربات، و کمک به کسایی که کم‌بینا یا نابینان. ولی همه‌جا، دو چیز همراهشه: اشتباه، که آدم کنارش لازمه؛ و حریم خصوصی، مخصوصا وقتی پای چهره‌ی آدم‌ها وسطه.

یه جفت چشم که خسته نمی‌شه

درس قبل چهار کار اصلی بینایی ماشین رو گفت. این درس، می‌گه این کارها، کجا، به کار میان. یه جفت چشم رو تصور کنید که هیچ‌وقت، خسته نمی‌شه، حواسش پرت نمی‌شه، و می‌شه اون رو، هر جایی گذاشت: بالای خط تولید یه کارخونه، کنار دستگاه یه بیمارستان، روی یه پهپاد بالای یه مزرعه، یا توی جیب شما.

این چشم‌ها، هنوز، همه‌چیز رو مثل آدم نمی‌فهمن، و اشتباه هم می‌کنن؛ ولی برای کارهای تکراری نگاه کردن، که آدم‌ها رو خسته می‌کنه، کمک خیلی بزرگی‌ان. بینایی ماشین، امروز، همین چشم‌هاست.

یه قانون ساده: کجا به کار میاد

یه قانون ساده، بیشتر کاربردهای بینایی ماشین رو توضیح می‌ده: هر جایی که یه آدم، ساعت‌ها، به عکس یا یه چیز نگاه می‌کنه، تا یه تصمیم نسبتا ساده بگیره. «این محصول، سالمه؟»؛ «چند تا میوه روی این درخته؟»؛ «این عکس، کدوم بخشش مشکوکه؟».

یه درس‌نامه‌ی شناخته‌شده‌ی دانشگاهی، می‌گه حتی ساده‌ترین کار بینایی ماشین، یعنی دسته‌بندی تصویر، کاربردهای عملی خیلی زیادی داره. این درس، این کاربردها رو، توی چند حوزه‌ی اصلی، مرور می‌کنه؛ و برای هر کدوم، می‌گه از کدوم کار اصلی، یعنی دسته‌بندی، تشخیص، قطعه‌بندی یا ساختن، استفاده می‌کنه.

صنعت: بازرسی خط تولید

یکی از قدیمی‌ترین و رایج‌ترین کاربردها، بازرسی محصول توی خط تولیده. یه دوربین، بالای تسمه، از هر محصول عکس می‌گیره، و یه سیستم، تصمیم می‌گیره: سالمه، یا معیوب؟ معیوب‌ها، خودکار، کنار گذاشته می‌شن، یا برای یه آدم، علامت می‌خورن.

این، دقیقا همون کار دسته‌بندیه، که درس قبل گفت. و همون‌طور که درس سوم گفت، چون توی کارخونه، نور و زاویه‌ی دوربین، تقریبا ثابته، خیلی از چالش‌های سخت دیدن، کمترن؛ و برای همین، بینایی ماشین، اینجا، خیلی خوب کار می‌کنه.

صنعت: شمردن و اندازه گرفتن

کار دیگه، شمردن و اندازه گرفتنه: چند تا قطعه، توی یه جعبه هست؟ یه پیچ، طول درستی داره؟ یه سوراخ، جای درستیه؟ این‌ها، کارهای تشخیص اشیا و گاهی قطعه‌بندی‌ان.

برای بعضی از این کارها، حتی یادگیری ماشین هم لازم نیست؛ همون‌طور که درس دوم گفت، چند قدم پردازش تصویر، مثل تبدیل به سیاه‌وسفید و پیدا کردن شکل‌ها، و یه قانون ساده، کافیه. انتخاب ساده‌ترین روش، اینجا، خیلی مهمه.

صنعت: خوندن برچسب و کد

یه کاربرد رایج دیگه، خوندن نوشته‌ها و کدهای روی محصول‌هاست: تاریخ انقضا، شماره‌ی سری، یا کدهای خطی. یه دوربین، این‌ها رو می‌خونه و با اطلاعات درست، مقایسه می‌کنه؛ تا مثلا محصولی با تاریخ اشتباه، از خط خارج نشه.

این، ترکیب دو کاره: تشخیص، برای پیدا کردن جای نوشته؛ و خوندن نوشته، که بهش OCR می‌گن. همون زنجیری که درس قبل، برای خوندن پلاک گفت.

ربات‌هایی که می‌بینن

ربات‌های صنعتی قدیمی، کورکورانه، یه حرکت ثابت رو، هزاران بار تکرار می‌کردن؛ اگه یه قطعه، یه کم جابه‌جا بود، اشتباه می‌کردن. ربات‌هایی که بینایی ماشین دارن، اول، می‌بینن قطعه دقیقا کجاست، و بعد، دستشون رو، همون‌جا می‌برن.

سرفصل جهانی علوم کامپیوتر، ساختن برای ربات‌ها رو، یکی از سکوهای خاص نرم‌افزار می‌دونه، که ملاحظه‌های خودش رو داره. توی انبارها، ربات‌هایی که جنس‌ها رو برمی‌دارن و جابه‌جا می‌کنن، به همین چشم‌ها، تکیه دارن.

پزشکی: کمک به خوندن عکس

سرفصل جهانی علوم کامپیوتر، تصویربرداری پزشکی رو، یکی از کاربردهای گرافیک و تکنیک‌های تصویری می‌دونه. توی پزشکی، عکس‌های زیادی گرفته می‌شه، و هر کدوم، باید با دقت، خونده بشه؛ کاری وقت‌گیر و خسته‌کننده.

بینایی ماشین، اینجا، می‌تونه به عنوان یه کمک‌دست، ناحیه‌هایی رو که ممکنه مشکوک باشن، علامت بزنه؛ تا پزشک، با دقت بیشتری، به همون‌جا نگاه کنه. این، معمولا، کار تشخیص یا قطعه‌بندیه: پیدا کردن، و مشخص کردن دقیق یه ناحیه.

کمک، نه جایگزین

یه نکته‌ی خیلی مهم توی پزشکی: بینایی ماشین، کمک‌دسته، نه جایگزین پزشک. همون‌طور که درس‌های قبل گفتن، مدل‌ها، اشتباه می‌کنن؛ مخصوصا روی عکس‌هایی که با داده‌ی آموزششون، فرق دارن، مثلا عکس‌هایی از یه دستگاه دیگه.

سرفصل جهانی، درباره‌ی سیستم‌های تصمیم‌گیری الگوریتمی، می‌گه اختیار و نظارت آدم، حیاتیه. توی پزشکی، این، یعنی تصمیم آخر، همیشه، با پزشکه؛ و بینایی ماشین، فقط کمک می‌کنه چیزی، از چشم پزشک، جا نیفته.

کشاورزی

توی کشاورزی، کارهای زیادی، با نگاه کردن انجام می‌شن: شمردن میوه‌ها برای تخمین محصول؛ دیدن رنگ و حال برگ‌ها برای پیدا کردن بیماری یا آفت؛ و تشخیص اینکه کدوم میوه، رسیده‌ست. این‌ها، روی مزرعه‌های بزرگ، روزها وقت می‌گیرن.

بینایی ماشین، می‌تونه این کارها رو سریع‌تر کنه: یه دوربین روی یه وسیله، یا حتی یه گوشی، عکس می‌گیره؛ و یه مدل، میوه‌ها رو می‌شمره، یا برگ‌های مشکوک رو علامت می‌زنه. ولی کشاورزی، پر از چالش‌های درس سومه: نور عوض می‌شه، برگ‌ها، میوه‌ها رو پنهان می‌کنن، و پس‌زمینه، شلوغه.

شمردن میوه

شمردن میوه روی درخت، یه کار تشخیص اشیاست: مدل، دور هر میوه، یه کادر می‌کشه، و کادرها رو می‌شمره. ولی چالش پنهان شدن، اینجا، خیلی جدیه: خیلی از میوه‌ها، پشت برگ‌ها، یا پشت میوه‌های دیگه‌ان.

برای همین، چنین سیستمی، معمولا، تعداد دقیق رو نمی‌گه؛ یه تخمین می‌ده، که با عکس از چند زاویه، بهتر می‌شه. این تخمین، حتی اگه کامل نباشه، برای برنامه‌ریزی چیدن و فروش، خیلی به کار میاد؛ خیلی بیشتر از حدس زدن با چشم.

سلامت گیاه

پیدا کردن برگ‌های بیمار، یه کار دسته‌بندی یا قطعه‌بندیه: مدل، از روی عکس یه برگ، می‌گه سالمه یا یه نشونه‌ی بیماری داره؛ یا روی عکس، دقیقا، ناحیه‌ی آسیب‌دیده رو مشخص می‌کنه.

یه ایده‌ی ساده، که برای کشاورزهای کوچیک هم شدنیه: یه برنامه روی گوشی، که با عکس گرفتن از یه برگ مشکوک، یه حدس بزنه. ولی مثل پزشکی، این حدس، یه کمکه؛ و برای تصمیم‌های بزرگ، مثل سم‌پاشی، باید با دانش کشاورز و نشونه‌های دیگه، سنجیده بشه.

عکس از بالا

یه کاربرد دیگه، تحلیل عکس‌هایی‌ه که از بالا گرفته می‌شن؛ با پهپاد، یا از ماهواره. از روی این عکس‌ها، می‌شه مرز مزرعه‌ها رو، با قطعه‌بندی، مشخص کرد؛ دید کدوم بخش مزرعه، سبزتر یا خشک‌تره؛ و حتی، تغییرها رو، در طول زمان، دنبال کرد.

سرفصل جهانی، نمایش داده‌های علمی رو هم، یکی از کاربردهای گرافیک و تصویر می‌دونه. عکس از بالا، فقط برای کشاورزی نیست؛ برای شهرسازی، دنبال کردن جنگل‌ها، و دیدن اثر سیل یا خشکسالی هم، به کار میاد.

زندگی روزمره: توی جیب شما

احتمالا، بیشترین بینایی ماشینی که هر روز می‌بینید، توی گوشی‌تونه. سرفصل جهانی علوم کامپیوتر، می‌گه فنون هوش مصنوعی، امروز، توی اپ‌های روزمره، از جمله عکاسی، همه‌جا هستن.

بخش‌های بعدی، چند نمونه‌ی رایج رو، کوتاه، می‌گن: قفل چهره، اسکن سند، جست‌وجو توی گالری، و عکاسی. توی هر کدوم، یکی یا چند تا از چهار کار اصلی، پشت صحنه، کار می‌کنه.

قفل چهره

وقتی گوشی، با دیدن چهره‌تون، باز می‌شه، چند کار پشت سر هم انجام می‌شه: اول، پیدا کردن چهره توی تصویر، یعنی تشخیص؛ و بعد، مقایسه‌ی اون چهره با چهره‌ای که پیش‌تر، ثبت کردید، تا ببینه همون آدمه یا نه.

این، با همه‌ی چالش‌های درس سوم، روبه‌روئه: نور کم، زاویه‌ی عجیب، عینک، یا کلاه. برای همین، گاهی، توی تاریکی یا با ماسک، کار نمی‌کنه. و چون پای امنیت گوشی وسطه، همیشه یه راه دیگه، مثل رمز، هم هست.

اسکن سند

برنامه‌های اسکن روی گوشی، همون زنجیری که درس دوم گفت رو، انجام می‌دن: پیدا کردن چهار گوشه‌ی کاغذ، صاف کردنش، پررنگ کردن متن، و اگه قابلیتش رو داشته باشن، خوندن متن، یعنی OCR.

این، یکی از به‌دردبخورترین کاربردهای روزمره‌ست؛ مخصوصا برای کسایی که کارهای اداری زیادی دارن. به جای دستگاه اسکنر، یه گوشی، سندی تمیز و قابل جست‌وجو، می‌سازه.

عکاسی بهتر

دوربین گوشی‌ها، امروز، خیلی بیشتر از یه عدسی و یه حسگرن. وقتی عکس می‌گیرید، بینایی ماشین، چهره‌ها رو پیدا می‌کنه تا روشون فوکوس کنه؛ آسمون و آدم رو جدا می‌کنه تا نور هر کدوم رو، جدا تنظیم کنه؛ و توی حالت پرتره، آدم رو از پس‌زمینه، با قطعه‌بندی، جدا می‌کنه تا پس‌زمینه، تار بشه.

یعنی هر عکس، ترکیبی از پردازش تصویر و بینایی ماشینه. این، همون چیزیه که سرفصل جهانی، با گفتن «عکاسی» به عنوان یکی از اپ‌های روزمره‌ی هوش مصنوعی، بهش اشاره می‌کنه.

خودرو

توی خودروها، بینایی ماشین، کارهای مختلفی می‌کنه: تشخیص خط‌های جاده، برای هشدار وقتی ماشین، بی راهنما، از خط بیرون می‌ره؛ تشخیص ماشین‌ها و عابرها، برای هشدار برخورد؛ و خوندن تابلوهای سرعت.

این‌ها، ترکیب تشخیص اشیا و قطعه‌بندی‌ان، که درس قبل گفت. و چون پای جون آدم‌ها وسطه، این سیستم‌ها، معمولا، کمک به راننده‌ان، نه جایگزینش؛ راننده، باید همیشه، حواسش باشه.

یه تیکه از تاریخچه

تلاش برای ساختن ماشین‌هایی که خودشون رانندگی کنن، تازه نیست. راهنمای رسمی کتابخونه‌ی رایگان OpenCV، می‌گه این کتابخونه، روی خودرویی استفاده شد که سال ۲۰۰۵، یه مسابقه‌ی معروف رانندگی خودکار رو برد.

از اون موقع، این حوزه، خیلی پیشرفت کرده؛ ولی رانندگی کاملا خودکار، توی همه‌ی شرایط، هنوز، یکی از سخت‌ترین مسئله‌های بینایی ماشینه؛ چون همه‌ی هفت چالش درس سوم، توی خیابون، با هم، و با سرعت، پیش میان.

فروشگاه

توی فروشگاه‌ها، بینایی ماشین، می‌تونه قفسه‌ها رو بررسی کنه و ببینه کدوم جنس، تموم شده یا جاش اشتباهه؛ یا بشمره چند نفر، توی ساعت‌های مختلف، وارد فروشگاه می‌شن، تا برنامه‌ی کارکنان، بهتر چیده بشه.

برای فروشگاه‌های اینترنتی، کاربرد دیگه‌ای هم هست: جست‌وجو با عکس؛ یعنی مشتری، از یه چیز عکس می‌گیره، و فروشگاه، محصول‌های شبیه رو نشون می‌ده. همه‌ی این‌ها، از همون چهار کار اصلی ساخته شدن.

کمک به دیدن

یکی از انسانی‌ترین کاربردهای بینایی ماشین، کمک به کسایی‌ه که کم‌بینا یا نابینان. برنامه‌هایی هستن که با دوربین گوشی، نوشته‌ها رو می‌خونن و بلند، می‌گن؛ اسکناس‌ها رو تشخیص می‌دن؛ یا توصیف می‌کنن جلوی دوربین، چه چیزهایی هست.

سرفصل جهانی علوم کامپیوتر، دسترس‌پذیری رو، یکی از اصول مهم این رشته می‌دونه؛ یعنی ساختن فناوری، طوری که همه، با توانایی‌های متفاوت، بتونن ازش استفاده کنن. اینجا، بینایی ماشین، دقیقا، چشم کسی می‌شه که چشمش، کم می‌بینه.

ورزش، رسانه و سرگرمی

توی ورزش، بینایی ماشین، می‌تونه حرکت بازیکن‌ها و توپ رو، توی ویدیو، دنبال کنه؛ تا آمار بازی ساخته بشه، یا داور، توی تصمیم‌های سخت، کمک بگیره. این، کار دنبال کردن، یعنی Tracking، ـه که درس قبل گفت.

و توی سرگرمی، فیلترهای شبکه‌های اجتماعی، که روی صورت، کلاه یا عینک می‌ذارن، اول، چهره و جای چشم و دهن رو، پیدا می‌کنن. سرفصل جهانی، بازی‌های ویدیویی و جلوه‌های ویژه رو هم، از کاربردهای گرافیک و تصویر می‌دونه.

دوربین‌های امنیتی

دوربین‌های امنیتی، روزها و شب‌ها، تصویر ضبط می‌کنن؛ ولی کسی وقت نداره همه‌ش رو ببینه. بینایی ماشین، می‌تونه فقط وقتی یه اتفاق خاص، مثل ورود یه آدم به یه جای ممنوع، پیش اومد، خبر بده.

ولی همین کاربرد، حساس‌ترین بخش ماجراست؛ چون مرز بین امنیت و نظارت بر آدم‌ها، خیلی باریکه. بخش بعدی، درباره‌ی همینه.

حریم خصوصی

سرفصل جهانی علوم کامپیوتر، فناوری تشخیص چهره رو، یکی از مثال‌های مسائل اخلاقی می‌دونه، و می‌گه وقتی فناوری‌هایی مثل این، توی زندگی عمومی استفاده می‌شن، اختیار و نظارت آدم، حیاتیه. وقتی یه سیستم، می‌تونه چهره‌ها رو بشناسه، می‌تونه آدم‌ها رو، بی اطلاعشون، دنبال کنه.

برای هر کسی که بینایی ماشین رو به کار می‌بره، چند سوال مهمه: از آدم‌ها، اجازه گرفتم؟ عکس‌ها رو کجا و تا کی نگه می‌دارم؟ کی بهشون دسترسی داره؟ و اگه سیستم، کسی رو اشتباه شناخت، چه آسیبی می‌بینه، و چطوری می‌تونه اعتراض کنه؟

اشتباه، و نظارت آدم

توی همه‌ی کاربردها، یه چیز مشترکه: بینایی ماشین، اشتباه می‌کنه. توی یه کارخونه، شاید یه محصول سالم رو، معیوب بدونه؛ که هزینه‌ش، کمه. ولی توی پزشکی، خودرو، یا امنیت، یه اشتباه، می‌تونه خیلی گرون تموم بشه.

برای همین، هر چی اثر یه اشتباه، بزرگ‌تر باشه، نظارت آدم، مهم‌تره. یه قانون ساده: بینایی ماشین، پیشنهاد می‌ده؛ آدم، تصمیم می‌گیره؛ مخصوصا وقتی پای سلامت، جون، یا حق آدم‌ها، وسطه.

کی ارزشش رو داره

بینایی ماشین، همیشه، جواب درست نیست. وقتی ارزشش رو داره که کار نگاه کردن، تکراری و زیاده؛ اشتباه گاه‌به‌گاه، قابل تحمله یا یه آدم، کنارش هست؛ و شرایط، تا حدی، کنترل‌شده‌ست.

و وقتی ارزشش رو نداره که کار، کم و گاه‌به‌گاهه؛ هر اشتباه، خیلی گرونه و هیچ‌کس نیست که بررسی کنه؛ یا شرایط، اونقدر متغیره که ساختن داده‌ی کافی، از خود کار، گرون‌تره. یه سوال صادقانه، پیش از شروع، خیلی از هزینه‌های هدر رفته رو، جلوگیری می‌کنه.

هر کاربرد، کدوم کار اصلی

اگه کاربردهای این درس رو، با چهار کار اصلی درس قبل جور کنیم: بازرسی محصول و سلامت برگ، بیشتر دسته‌بندی‌ان. شمردن قطعه و میوه، و دیدن ماشین و عابر، تشخیص اشیان. جدا کردن آدم از پس‌زمینه، مرز مزرعه، و ناحیه‌ی دقیق توی عکس پزشکی، قطعه‌بندی‌ان.

و رنگی کردن عکس قدیمی، یا بالا بردن کیفیت عکس، کار ساختن، یعنی مدل‌های مولدن. وقتی یه کاربرد تازه می‌بینید، همین سوال، کمک می‌کنه بفهمید پشتش، چی هست.

کوچیک شروع کنید

اگه می‌خواید بینایی ماشین رو، برای یه کار واقعی، امتحان کنید، کوچیک شروع کنید: یه کار مشخص، یه دوربین، و چند صد عکس از شرایط واقعی خودتون. اول، ساده‌ترین روش رو امتحان کنید؛ شاید پردازش تصویر و یه قانون ساده، کافی باشه.

و همیشه، نتیجه رو، روی عکس‌هایی که مدل هیچ‌وقت ندیده، و توی شرایط واقعی، بسنجید. یه امتحان کوچیک و صادقانه، از یه پروژه‌ی بزرگ که بعد از ماه‌ها، معلوم بشه کار نمی‌کنه، خیلی بهتره.

برای صاحب‌های کسب‌وکار

یه سوال ساده، برای پیدا کردن کاربرد توی کسب‌وکار خودتون: «کدوم کار، که یه نفر، هر روز، ساعت‌ها، با نگاه کردن انجامش می‌ده، می‌تونه سریع‌تر یا دقیق‌تر بشه؟». شمردن موجودی، بررسی کیفیت جنس رسیده، یا مرتب کردن عکس‌های محصول، نمونه‌های رایجن.

برای خیلی از کسب‌وکارهای کوچیک، ابزارهای آماده، مثل اسکن سند و خوندن متن روی گوشی، از همین امروز، کمک می‌کنن، بی هیچ پروژه‌ی خاصی. پیش از سفارش دادن یه سیستم سفارشی، اول، ببینید یه ابزار آماده، کارتون رو راه می‌ندازه یا نه.

برای هر سنی

برای یه نوجوون، گشتن دنبال بینایی ماشین توی زندگی روزمره، یه بازی جالبه: توی یه روز، چند بار، بینایی ماشین رو دیدید؟ قفل گوشی، فیلتر عکس، جست‌وجوی گالری، دوربین ترافیک.

و برای بزرگ‌ترها، مخصوصا کسایی که چشمشون ضعیف‌تر شده، برنامه‌هایی که نوشته رو بلند می‌خونن یا بزرگ‌نمایی هوشمند دارن، می‌تونن واقعا، زندگی رو راحت‌تر کنن. بینایی ماشین، برای همه‌ی سن‌ها، یه چیز به‌دردبخور داره.

ایستگاه اول، یه مرور

با این درس، ایستگاه اول این مسیر، تموم می‌شه. حالا می‌دونید بینایی ماشین چیه؛ چه فرقی با پردازش تصویر داره؛ چرا دیدن، برای ماشین، سخته؛ چهار کار اصلیش چی‌ان؛ و کجاها، به کار میاد.

ایستگاه بعدی، دستتون رو، روی خود عکس‌ها می‌ذاره: پیکسل، رنگ، و فیلترهای ساده، با یه ابزار رایگان. بعد، به شبکه‌های عصبی کانولوشنی می‌رسیم، که امروز، پشت بیشتر این کاربردها هستن.

چند واژه

Visual Inspection، یعنی بازرسی تصویری. Medical Imaging، یعنی تصویربرداری پزشکی. Precision Agriculture، یعنی کشاورزی دقیق. Face Recognition، یعنی شناسایی چهره. Document Scanning، یعنی اسکن سند.

Driver Assistance، یعنی کمک به راننده. Autonomous Driving، یعنی رانندگی خودکار. Visual Search، یعنی جست‌وجو با تصویر. Accessibility، یعنی دسترس‌پذیری. Human Oversight، یعنی نظارت آدم.

جواب کوتاه

اگه کسی پرسید «بینایی ماشین کجا به کار میاد»:

هر جا آدم، ساعت‌ها نگاه می‌کنه تا یه تصمیم ساده بگیره؛ مثل یه جفت چشم که خسته نمی‌شه. صنعت: بازرسی محصول، شمردن قطعه، خوندن برچسب، ربات‌هایی که می‌بینن. پزشکی: علامت زدن ناحیه‌ی مشکوک توی عکس، تا پزشک دقیق‌تر ببینه. کشاورزی: شمردن میوه، پیدا کردن برگ بیمار، عکس از بالا. روزمره: قفل چهره، اسکن سند، جست‌وجوی گالری، عکاسی، خودرو، فروشگاه، و کمک به کم‌بیناها. همه‌جا: اشتباه هست، پس آدم کنارش؛ و حریم خصوصی، مخصوصا با چهره‌ها.

چند باور رایج

  • «بینایی ماشین، جای پزشک رو می‌گیره.» کمک‌دسته؛ تصمیم با پزشکه.
  • «فقط برای شرکت‌های بزرگه.» اسکن سند و خوندن متن، توی هر گوشی هست.
  • «ماشین خودران، کاملا حل شده.» هنوز از سخت‌ترین مسئله‌هاست.
  • «هر جا دوربین هست، باید بینایی ماشین هم باشه.» کی ارزشش رو داره؟
  • «تشخیص چهره، فقط یه قابلیت فنیه.» پای حریم خصوصی وسطه.

یه مثال

یه مرغداری کوچیک، هر روز، چند ساعت وقت می‌ذاشت تا تخم‌مرغ‌های ترک‌خورده رو، با چشم، از روی تسمه جدا کنه. صاحبش، شنیده بود بینایی ماشین، این کار رو می‌کنه، و اول، می‌خواست یه سیستم گرون سفارش بده.

ولی کوچیک شروع کرد: یه دوربین معمولی، بالای تسمه، و یه نور ثابت. چند صد عکس از تخم‌مرغ سالم و ترک‌خورده جمع کرد، و یه مدل دسته‌بندی ساده، آموزش داد. مدل، ترک‌خورده‌ها رو علامت می‌زد، و یه نفر، فقط همون‌ها رو، دوباره نگاه می‌کرد. کار چند ساعته، شد یه بخش کوچیک از روز؛ و چون شرایط، کنترل‌شده بود، مدل، کمتر از چیزی که می‌ترسید، اشتباه می‌کرد.

تمرین امروز

امروز، چشم‌های خستگی‌ناپذیر رو، توی زندگی خودتون، پیدا کنید.

  1. امروز، هر بار که بینایی ماشین رو دیدید، یادداشت کنید؛ از قفل گوشی تا دوربین ترافیک.
  2. برای هر کدوم، بنویسید کدوم یکی از چهار کار اصلی پشتشه.
  3. یه برنامه‌ی اسکن سند رو امتحان کنید و ببینید چقدر خوب، متن رو می‌خونه.
  4. یه کار تکراری نگاه کردن، توی کار یا زندگی خودتون، پیدا کنید.
  5. برای همون، بنویسید: ارزشش رو داره؟ اشتباهش، چقدر گرونه؟ و حریم خصوصی کسی، درگیره؟

با این درس، ایستگاه اول این مسیر تموم شد؛ ایستگاه بعدی، سراغ پیکسل‌ها و فیلترها می‌ره.

جمع‌بندی. آنچه از این درس با خودتان می‌برید.

  • هر جا آدم ساعت‌ها نگاه می‌کنه تا تصمیم ساده بگیره.
  • صنعت: بازرسی، شمردن، خوندن برچسب.
  • پزشکی و کشاورزی: علامت زدن مشکوک، شمردن میوه، برگ بیمار.
  • روزمره: قفل چهره، اسکن سند، گالری، عکاسی، خودرو، ربات.
  • همه‌جا: آدم کنارش، و حریم خصوصی.

خودتون رو بسنجید

۱۵ پرسش، هر بار تازه از میان ۳۰ پرسش این درس. آخرش فقط کارنامه رو می‌بینید: چند تا درست، چند تا نادرست.

خودتون رو بسنجید

۱۵ پرسش

  • هر بار پرسش‌ها و ترتیب گزینه‌ها عوض می‌شه.
  • تا آخر نمی‌گیم کدوم جواب درست بوده؛ می‌تونید برگردید و جوابتون رو عوض کنید.
  • آخرش کارنامه می‌گیرید: چند تا درست، چند تا نادرست.
  • اگه وسطش بستید، دوباره که باز کنید از همون‌جا ادامه می‌دید.

فصل‌های این درس