মাইক্রোসফ্ট একটি চিত্র স্বীকৃতি সরঞ্জাম চালু করেছে যা কোনও চিত্রের বিষয়বস্তু বর্ণনা করার চেষ্টা করে। এই কৃত্রিম বুদ্ধিমত্তার সরঞ্জামটি এখনও উন্নয়নের পর্যায়ে রয়েছে এবং ব্যবহারকারীদের দ্বারা আপলোড করা ছবিগুলি থেকে ক্রমাগত শিখছে।

যথার্থতা হিসাবে, কখনও কখনও বর্ণনাটি মোটামুটি নির্ভুল হয় আবার কখনও কখনও ক্যাপশনবট এমন বর্ণনা সরবরাহ করে যা চিত্রিত হচ্ছে তার সাথে কিছুই করার নেই। এমনও রয়েছে যখন অ্যাপগুলি মোটামুটি প্রান্তের রাজ্যের কারণে কোনও বিবরণ সরবরাহ করতে পারে না।

মাইক্রোসফ্ট ক্যাপশনবটকে আরও অভিজ্ঞতার সাথে শিখতে ডিজাইন করেছিল, এই প্রত্যাশার সাথে সাথে এর ক্যাপশনগুলি সময়ের সাথে আরও সঠিক হয়ে উঠবে। ব্যবহারকারীরা যত বেশি ছবি আপলোড করবেন ততই অ্যাপ্লিকেশনটি তত উন্নত হবে, ক্যাপশনবট নিজেই বর্ণনা করেছেন:

আমি যে কোনও চিত্রের বিষয়বস্তু বুঝতে পারি এবং আমি এটি কোনও মানুষের পাশাপাশি বর্ণনা করার চেষ্টা করব। আমি এখনও শিখছি তাই আমি আপনার ফটোতে ধরব তবে কোনও ব্যক্তিগত তথ্য নেই।

ছবিতে কী চিত্রিত হচ্ছে তা বর্ণনা করতে ক্যাপশনবোট তিনটি প্রযুক্তি ব্যবহার করে: মাইক্রোসফ্টের কম্পিউটার ভিশন, আবেগ এবং বিং চিত্র। কম্পিউটার ভিশন এপিআই চিত্র থেকে পাঠ্য শনাক্তকরণ এবং আহরণের পাশাপাশি ভিজ্যুয়াল ডেটা শ্রেণিবদ্ধকরণ এবং প্রক্রিয়া করার জন্য চিত্রগুলি থেকে সমৃদ্ধ তথ্য বের করে। ইমোশন এপিআই, এর নাম অনুসারে, মুখের ক্রোধ, অবজ্ঞাপূর্ণতা, ঘৃণা, ভয়, সুখ, নিরপেক্ষতা, দুঃখ এবং আশ্চর্য থেকে সমস্ত অনুভূতি সনাক্ত করার জন্য মুখগুলি বিশ্লেষণ করে। বিং ইমেজ ইমেজগুলির জন্য ওয়েব অনুসন্ধান করে।

আমরা ক্যাপশনবোট পরীক্ষা করেছি এবং ফলাফলগুলি 50% ক্ষেত্রে সঠিক ছিল। উদাহরণস্বরূপ, আমরা দুটি ছবি আপলোড করেছি: একটি গেমিং মাউস চিত্রিত করে, অন্যটি কার্ডের স্ট্যাক। উভয় ক্ষেত্রেই, সরঞ্জামটি এটি একটি সেল ফোন বলে পরামর্শ দিয়েছে। অন্যদিকে ক্যাপশনবট সঠিকভাবে মানুষ এবং মুখ সনাক্ত করেছে।

স্পষ্টতই, ক্যাপশনবটের সেলফোনগুলির একটি আবেশ রয়েছে। এক টুইটার ব্যবহারকারী অ্যাপটি জানিয়েছিলেন যে মিশেল ওবামা একটি সেল ফোন thought আরও ক্যাপশনবোট মজার ক্যাপশনগুলির জন্য, এই টুইটার পৃষ্ঠাটি দেখুন।

আপনি এখানে ক্যাপশনবটও পরীক্ষা করতে পারেন। একবার চেষ্টা করে দেখুন: আপনি হয় সরঞ্জামটিকে উন্নত করতে সহায়তা করুন বা আপনার হাসি ভাল লাগবে!