Mesin Mencapai Hasil yang Lebih Baik daripada Manusia dalam Memahami Visual

Alibaba berhasil menempati posisi pertama dalam Papan Peringkat VQA (Visual Question Answering) global terbaru, yang hasilnya lebih baik daripada kinerja manusia dalam konteks yang sama. Hal ini merupakan pertama kalinya mesin mengungguli manusia dalam memahami gambar untuk menjawab pertanyaan teks, dengan algoritme Alibaba mencatat tingkat akurasi hingga 81,26% dalam menjawab pertanyaan terkait gambar, dibandingkan dengan kinerja manusia yang hanya mencapai 80,83% (pada bagian standar pengujian).
 
Tantangan yang diselenggarakan setiap tahun sejak 2015 oleh CVPR konferensi visual terkemuka di seluruh dunia, menarik para pemain industri global termasuk Facebook, Microsoft, dan Universitas Stanford. Evaluasi  tersebut menyajikan gambar dan pertanyaan terkait dengan Bahasa natural, dimana para peserta diminta untuk menjawab secara akurat dengan Bahasa yang natural. Tahun ini, tantangan berisi lebih dari 250.000 gambar dan 1,1 juta pertanyaan.
 
Terobosan kecerdasan mesin dalam menjawab pertanyaan terkait gambar dapat terwujud berkat desain algoritme inovatif dari Alibaba DAMO Academy, inisiatif penelitian dan pengembangan global Alibaba Group. Dengan memanfaatkan teknologinya- termasuk representasi visual yang beragam, model bahasa pra-latihan multimodal, perpaduan semantik lintas-modal yang adaptif dan penyelarasan teknologi,  tim Alibaba mampu membuat kemajuan yang signifikan tidak hanya dalam menganalisis gambar dan memahami maksud dari pertanyaan, tetapi juga memberikan jawaban dengan alasan yang tepat sambil mengungkapkannya dalam gaya percakapan seperti manusia.
 
Teknologi VQA telah diterapkan secara luas di seluruh ekosistem Alibaba. Misalnya, fitur chatbot cerdas Alibaba, Alime Shop Assistant, yang digunakan oleh puluhan ribu pedagang di platform ritel Alibaba.
 
“Kami bangga dapat mencapai tonggak keberhasilan lainnya dalam kecerdasan mesin, yang menggarisbawahi upaya berkelanjutan kami dalam mendorong penelitian dan pengembangan di bidang AI terkait,” kata Si Luo, Head of Natural Language Processing (NLP), Alibaba DAMO Academy. “Dengan adanya teknologi ini, bukan berarti manusia akan digantikan oleh robot suatu hari nanti. Sebaliknya, kami yakin bahwa mesin yang lebih cerdas dapat digunakan untuk membantu pekerjaan dan kehidupan sehari-hari, sehingga, manusia dapat berfokus pada tugas-tugas kreatif yang paling mereka kuasai,” lanjutnya.
 
Si Luo juga menambahkan, “VQA dapat digunakan di berbagai area. Misalnya, saat mencari produk di situs e-commerce, untuk mendukung analisis gambar medis untuk diagnosis penyakit awal, serta untuk teknologi mengemudi cerdas, karena asisten AI akan secara otomatis menawarkan analisis dasar foto yang diambil oleh kamera dalam mobil.”
 
Ini bukan pertama kalinya model pembelajaran mesin Alibaba melampaui model lainnya yang ada. Model Alibaba menduduki puncak peringkat benchmark GLUE, sebuah tabel industri yang dianggap sebagai tes dasar paling penting untuk model NLP. Model Alibaba secara signifikan mengungguli dasar manusia, menandai tonggak penting dalam pengembangan sistem pemahaman bahasa secara natural yang kuat.
 
Pada tahun 2019, model Alibaba melampaui nilai manusia ketika diuji oleh dataset Microsoft Machine Reading Comprehension, salah satu tes paling menantang di dunia kecerdasan buatan untuk pemahaman bacaan. Model Alibaba berhasil mendapat skor 0,54 dalam tugas tanya jawab MS Marco, mengungguli skor manusia 0,539, sebuah tolok ukur yang disediakan oleh Microsoft. Pada tahun 2018, Alibaba juga mendapat skor lebih tinggi dari tolok ukur manusia di Stanford Question Answering Dataset – yang merupakan salah satu tantangan pemahaman membaca mesin paling populer di seluruh dunia