Konkurse dalyvaujančios komandos turėjo sukurti „matančias“ kompiuterines regėjimo sistemas, kurios atpažintų 1000 objektų, pradedant gyvūnais, baigiant peizažais ir žmonėmis. Geriausioms pirmųjų dviejų konkursų komandoms nebuvo pavykę pasiekti net 75 proc. tikslumo.
Tačiau tų metų varžybose trijų tyrėjų grupė – ją sudarė profesorius ir du jo studentai – staiga peržengė šį slenkstį. Jie laimėjo varžybas aplenkę varžovus 10,8 procentinio punkto. Tas profesorius buvo Geoffrey Hintonas, o jo komandos naudota technika buvo giluminis mokymasis (angl. deep learning).
Iš tiesų G.Hintonas prie giluminio mokymosi dirbo nuo devintojo dešimtmečio, tačiau jo efektyvumą ribojo duomenų trūkumas ir skaičiavimo galios ribos.
Tvirtas mokslininko tikėjimas šia technika galų gale atsipirko su kaupu. Ketvirtajame „ImageNet“ konkurse beveik kiekviena komanda naudojo giluminį mokymąsi ir pasiekė nuostabaus tikslumo. Netrukus giluminis mokymasis jau buvo taikomas visai kitokioms užduotims, ne tik vaizdų atpažinimui, taip pat ir įvairiose pramonės šakose.
Praėjusiais metais už didžiulį indėlį šioje srityje G.Hintonui kartu su kitais dirbtinio intelekto pradininkais Yannu LeCunu ir Yoshua Bengio buvo įteiktas Turingo apdovanojimas. Spalio pabaigoje „MIT Technology Review“ rengiamoje kasmetinėje „EmTech MIT“ konferencijoje kalbėjausi su G.Hintonui apie tai, kas šioje srityje vyksta dabar, ir tai, kur, jo manymu, viskas pakryps ateityje. Toliau pateikiamas sutrumpintas interviu.
