Landing.ai บริษัทปัญญาประดิษฐ์ของ Andrew Ng ที่เน้นทำงานร่วมกับภาคการผลิต เล่าประสบการณ์ที่ได้จากการสร้างซอฟต์แวร์บังคับมาตรการเว้นระยะห่าง โดยอาศัยภาพจากกล้องวงจรปิด

ซอฟต์แวร์ตัวนี้สร้างขึ้นสำหรับลูกค้าของ Landing.ai ที่มักเป็นโรงงานที่ยังต้องเปิดทำการในช่วงนี้ และพนักงานก็มาทำงานในโรงงานตามปกติ แต่บริษัทก็วางมาตรการเว้นระยะห่างในโรงงาน ทาง Landing.ai เข้าไปช่วยสร้างซอฟต์แวร์ปัญญาประดิษฐ์ที่ตรวจสอบผู้ฝ่าฝืนมาตรการเว้นระยะห่างนี้

กระบวนการทำงานของซอฟต์แวร์แบ่งออกเป็นสามขั้น คือ

กูเกิลเสนอเฟรมเวิร์ค SimCLR สำหรับการฝึกโมเดล deep learning เพื่อการจัดหมวดหมู่ภาพ (image classification) โดยใช้ภาพที่จัดหมวดหมู่ไว้ล่วงหน้าให้น้อยลง จากความสามารถในการฝึกโมเดลด้วยข้อมูลที่ไม่ได้จัดหมวดหมู่ไว้ล่วงหน้า

ปัญญาประดิษฐ์ในกลุ่มการวิเคราะห์ภาพทุกวันนี้พัฒนาไปอย่างรวดเร็วในแง่ฟีเจอร์ ทั้งการจัดหมวดหมู่ภาพ, การตรวจจับวัตถุ, หรือการบรรยายภาพ แต่ในความเป็นจริงแล้ว ปัญญาประดิษฐ์ส่วนมากมักรับอินพุตเป็นภาพขนาดเล็กเพื่อวิเคราะห์ ไม่เช่นนั้นโมเดลจะมีขนาดใหญ่เกินไป ล่าสุดกูเกิลโอเพซอร์สโครงการ Mesh-TensorFlow เฟรมเวิร์คสำหรับวิเคราะห์ภาพขนาดใหญ่ระดับร้อยล้านพิกเซล

การฝึกปัญญาประดิษฐ์เพื่อจำแนกประเภทภาพนั้นต้องใช้ข้อมูลสำหรับฝึกปัญญาประดิษฐ์ปริมาณมาก และขั้นตอนใหญ่ๆ ในการพัฒนาปัญญาประดิษฐ์กลายเป็นการสร้างชุดข้อมูลขึ้นมา แนวทางหนึ่งที่เป็นไปได้คือการสร้างปัญญาประดิษฐ์ในกลุ่ม generative adversarial network (GAN) เพื่อสร้างชุดข้อมูลขึ้นมาใหม่ ล่าสุดกูเกิลก็เสนอปัญญาประดิษฐ์ DermaGAN สำหรับการสร้างชุดข้อมูลโรคผิวหนัง

ปัญหาของการสร้างปัญญาประดิษฐ์สำหรับโรคผิวหนัง คือกลุ่มตัวอย่างมีความหลากหลาย ตั้งแต่ตัวโรค, สภาพผิวหนังเดิมของผู้ป่วย, สีผมที่อยู่ในภาพ, ไปจนถึงกล้องที่ใช้เก็บภาพที่มีคุณสมบัติต่างกันไป

François Chollet วิศวกรของกูเกิลและผู้สร้าง Keras ร่วมกับ Kaggle จัดแข่งปัญญาประดิษฐ์ Abstraction and Reasoning Challenge (ARC) เป็นการแข่งสร้างปัญญาประดิษฐ์ที่ใช้เหตุผล แทนที่จะใช้ข้อมูลจำนวนมากมาหารูปแบบของปัญหาและคำตอบแบบเดิมๆ

โจทย์ของ ARC จะคล้ายกับแบบทดสอบวัดไอคิว โดยมีตัวอย่างปัญหาและเฉลยมาให้ 3-5 ชุดในแต่ละข้อ จากนั้นปัญญาประดิษฐ์จะต้องแก้ปัญหาที่เหลือ โดยตัวโจทย์จริงๆ เป็นตารางของเลข 0-9 และเฉลยก็เป็นตารางเช่นกัน