مقایسه هوش مصنوعی گوگل و بیکسبی سامسونگ در شناسایی تصاویر

همان طور که می دانید گوگل موتور جستجوی تصاویر قدرتمندی دارد. اینکه کاربر عبارتی را تایپ کند و سپس گوگل تصاویری را در مورد آن نمایش دهد، شاید یکی از ساده ترین کارها برای موتور جستجوی گوگل باشد. این کار بیشتر به کمک تگ ها انجام می شود. به عنوان مثال اگر شما تصویری از یک گلابی را در سایت خود قرار دهید و زیر آن کلمه سیب را تگ کنید، شک نداشته باشید که موتور جستجوی تصاویر گوگل را یک قدم منحرف کرده اید. حالا اگر این اتفاق به دفعات بسیار در سایت های پر بازدید تکرار شود، زمانی که شما کلمه سیب را تایپ کنید، ممکن است تصاویری از گلابی هم به شما نشان داده شود. اما موتور جستجوی گوگل بخش دیگری هم دارد که از طریق هوش مصنوعی سعی می کند که تصاویر را تشخیص دهد. به این صورت که کاربر تصویری را به موتور جستجوی گوگل می دهد و از هیچ عبارت کمکی هم استفاده نمی کند.

موتور جستجوی تصاویر گوگل سعی می کند تا مشابه ترین تصاویر را نسبت به تصویر کاربر پیدا کند و حتی اعلام کند که این تصویر چه چیزی است. در این مقاله قصد داریم تا هوش مصنوعی موتور جستجوی تصاویر گوگل را در برابر هوش مصنوعی بیکسبی (Bixby) سامسونگ مقایسه کنیم. گوگل به آرشیو بسیار غنی از تصاویر دسترسی دارد و همچنین سابقه بیشتری در این زمینه دارد. بیکسبی سامسونگ از آرشیو تصاویر شبکه اجتماعی پینترست (Pinterest) استفاده می کند. شبکه اجتماعی پینترست یک شبکه اجتماعی عکس محور ساخت آمریکاست که از سال 2010 شروع به فعالیت کرده است. هر چند به معروفیت اینستاگرام نرسیده است، اما کاربران پرشماری دارد. شاید خیلی از ما بگوییم که هوش مصنوعی تازه کار سامسونگ در حد و اندازه های موتور قدرتمند گوگل نیست. اما الگوریتم شناسایی تصاویر است که می تواند برنده را مشخص کند، نه صرفا داشتن آرشیو غنی. لازم به ذکر است که دستیار گوگل در سیستم عامل اندروید بر اساس همین موتور جستجوی گوگل عمل می کند. خب صحبت های مقدماتی را کوتاه کنیم و مستقیم به سراغ مقایسه ها برویم.

این مطلب توسط آقای رسول آریان برای ترنجی ارسال شده است.

مقایسه بیکسبی و گوگل اسیستنت

1- تصویری از ساعت دیواری. عبارتی که گوگل نمایش داده “ساعت دیواری 15 اینچ Bey-Berk” است. در بخش تصاویر مشابه هم به درستی تصویر چند ساعت دیواری را نشان داده است. بیکسبی سامسونگ نیز به درستی تصویر چند ساعت دیواری را نمایش داده است.

مقایسه بیکسبی و گوگل اسیستنت

2- تصویری از گل رز خشک شده. عبارتی که گوگل نمایش داده “رز” است. در بخش تصاویر مشابه، شاخه گل خشک شده را نمایش داده، اما به اشتباه تصویر چند حشره از جمله عنکبوت را هم نشان داده است. بیکسبی سامسونگ نیز به درستی تصویر چند گل و برگ خشک شده را نمایش داده است.

مقایسه بیکسبی و گوگل اسیستنت

3- تصویری از نوشابه پپسی کولا. عبارتی که گوگل نمایش داده “کولا” است. در بخش تصاویر مشابه هم به درستی تصویر چند بطری و قوطی که برخی محصولات پپسی هستند را نشان داده است. بیکسبی سامسونگ نیز به درستی تصویری از نوشابه پپسی و تبلیغات کمپانی پپسی را نمایش داده است.

مقایسه بیکسبی و گوگل اسیستنت

4- تصویری از اتو بخار. عبارتی که گوگل نمایش داده “اتوی لباس” است. در بخش تصاویر مشابه هم به درستی تصویر چند اتو را نشان داده است. بیکسبی سامسونگ نیز به درستی تصویر چند اتو را نمایش داده است. هر دو هوش مصنوعی تصاویر اتو با رنگ آبی را نمایش داده اند، زیرا رنگ اتو در تصویر اصلی آبی است.

مقایسه بیکسبی و گوگل اسیستنت

5- تصویری از شطرنج. عبارتی که گوگل نمایش داده “تصویر ملکه در شطرنج” است. در بخش تصاویر مشابه هم به درستی تصویر چند شطرنج را نشان داده است. بیکسبی سامسونگ نیز به درستی تصویر چند شطرنج را نمایش داده است.

مقایسه بیکسبی و گوگل اسیستنت

6- تصویری از شکلات. عبارتی که گوگل نمایش داده “جشنواره شهری بروکلی” است. در بخش تصاویر مشابه هم به اشتباه تصاویری کاملا بی ربط را نشان داده است. اما بیکسبی سامسونگ به درستی تصویر چند شکلات را نمایش داده است. به نظر بنده علت این اشتباه فاحش در تشخیص گوگل شاید عبارت Chocolate باشد که Broccoli خوانده شده است.

مقایسه بیکسبی و گوگل اسیستنت

7- تصویری از ماوس. عبارتی که گوگل نمایش داده “فیلیپس” است. در بخش تصاویر مشابه، تصاویر بی ربطی از وسایل قرمز رنگ را نشان داده که البته برخی از آنها نشان فیلیپس دارند. اما بیکسبی سامسونگ به درستی تصویر چند ماوس را نمایش داده است که ماوس قرمز رنگ هم در بین آنها وجود دارد. نکته ای که در هوش مصنوعی گوگل وجود دارد این است که OCR خوبی دارد و آنقدر به نوشته روی ماوس توجه کرده که اصل موضوع را فراموش کرده است.

مقایسه بیکسبی و گوگل اسیستنت

8- تصویری از اتومبیل اسباب بازی. عبارتی که گوگل نمایش داده “خودروی سوپر اسپورت” است. در بخش تصاویر مشابه هم به درستی تصویر چند اتومبیل را نشان داده است. بیکسبی سامسونگ نیز به درستی تصویر چند اتومبیل را نمایش داده است. هوش مصنوعی گوگل به رنگ قرمز اتومبیل بیشتر توجه داشته و اتومبیل های مشابه تری را پیدا کرده است.

مقایسه بیکسبی و گوگل اسیستنت

9- تصویری از صدف حلزون. عبارتی که گوگل نمایش داده “صدف” است. در بخش تصاویر مشابه به اشتباه تصویر چند گلوله کاموایی را نشان داده است. اما بیکسبی سامسونگ به درستی تصویر چند صدف را نمایش داده است و حتی برخی از آنها بسیار شبیه هستند.

مقایسه بیکسبی و گوگل اسیستنت

10- تصویری از لوگوی Canon. عبارتی که گوگل نمایش داده “Cli 42pc” است. در بخش تصاویر مشابه هم به درستی تصاویری از چند محصول کمپانی Canon را نشان داده است. اما بیکسبی سامسونگ به اشتباه تصاویری را نمایش داده که شاید فقط از لحاظ رنگ و نوع فونت مشابه باشند. ظاهرا بیسکبی سامسونگ در این بخش توجهی به OCR ندارد، برخلاف گوگل که تاکید بیش از حدی بر OCR دارد (در تصویر ماوس فیلیپس).

مقایسه بیکسبی و گوگل اسیستنت

11- تصویری از نوار چسب. عبارتی که گوگل نمایش داده “Block Plane” است. در بخش تصاویر مشابه هم به اشتباه تصویر چند قطعه را نشان داده که ربطی به نوار چسب ندارند. بیکسبی سامسونگ نیز اشتباه تشخیص داده، اما یک حلقه شبیه به چسب نواری را هم نمایش داده است، هر چند که چسب نواری نیست.

مقایسه بیکسبی و گوگل اسیستنت

12- تصویری از مودم بی سیم. عبارتی که گوگل نمایش داده “روتر بی سیم” است. در بخش تصاویر مشابه هم به درستی تصویر چند مودم بی سیم را نشان داده است. اما بیکسبی سامسونگ به دقت گوگل عمل نکرده. درست است که تصاویری از مودم بی سیم را نمایش داده، اما به اشتباه تصاویر دیگری را از جمله گلکسی نوت 8 و حتی چند کارد آشپزخانه را هم نمایش داده است. دسته های کارد آشپزخانه را مانند آنتن های مودم دانسته است.

مقایسه بیکسبی و گوگل اسیستنت

13- تصویری از ماهی قرمز. عبارتی که گوگل نمایش داده “ماهی طلایی (قرمز)” است. در بخش تصاویر مشابه هم به درستی تصویر چند ماهی قرمز را نشان داده است. بیکسبی سامسونگ نیز به درستی تصویر چند ماهی را نمایش داده، اما تشخیص اشتباه هم داشته است. به عنوان مثال تصویر یک تمشک قرمز را به جای ماهی قرمز پیدا کرده است.

مقایسه بیکسبی و گوگل اسیستنت

14- تصویری از انبردست و پیچ گوشتی. عبارتی که گوگل نمایش داده “انبردست مورب” است. در بخش تصاویر مشابه هم به درستی تصویر چند انبردست را نشان داده است. بیکسبی سامسونگ نیز به درستی تصویر انبردست و پیچ گوشتی را نمایش داده است. حتی به رنگ پیچ گوشتی و انبردست هم دقت کرده و تصویری را یافته که درون آن یک پیچ گوشتی سبز در سمت راست و یک انبردست قرمز در سمت چپ قرار گرفته باشند. اما تشخیص اشتباه هم داشته، به عنوان مثال تصویری از چند کابل کامپیوتر را پیدا کرده که دو فلش قرمز رنگ در آن وجود دارد. این دو فلش قرمز را مشابه دسته های قرمز رنگ انبردست دیده است.

مقایسه بیکسبی و گوگل اسیستنت

15- تصویری از انبردست بر روی فرش. عبارتی که گوگل نمایش داده “پرده منقش” است. در بخش تصاویر مشابه بدون توجه به انبردست قرار گرفته بر روی فرش، صرفا به فرشی که انبردست بر روی آن قرار دارد توجه کرده و در نتیجه تصاویری از فرش و گلیم را نمایش داده است. بیکسبی سامسونگ یک انبردست را نمایش داده و البته یک سری ابزار آلات دیگر. این تصویر را بدین منظور انتخاب کرده ایم تا ببینیم هوش مصنوعی آنها چقدر قدرت تفکیک انبردست از پس زمینه را دارد.

مقایسه بیکسبی و گوگل اسیستنت

16- تصویری از شمع. عبارتی که گوگل نمایش داده “شمع تولد” است. در بخش تصاویر مشابه هم دوگانه عمل کرده است. به این صورت که تصویر شمع را یافته، اما تصاویری از لیوان بستنی و توت فرنگی را هم نشان داده است. اما بیکسبی سامسونگ دقت بیشتری داشته و فقط تصاویر شمع را نمایش داده است.

مقایسه بیکسبی و گوگل اسیستنت

17- تصویری از لیونل مسی. عبارتی که گوگل نمایش داده “انسان” است. در بخش تصاویر مشابه، تصاویری از چند مرد را نشان داده است. بیکسبی سامسونگ نیز تصاویری از نیمرخ چند مرد را نمایش داده است. در انجام این تست بسیار زیرکانه عمل کرده ایم. اگر تصویری را از صفحه اینستاگرام لیونل مسی یا حتی سایت های ورزشی انتخاب می کردیم، با احتمال بسیار بالایی گوگل موفق به شناسایی لیونل مسی می شد. زیرا گوگل به آرشیو عکس ها دسترسی دارد. برای انجام این کار از یک ویدیو استفاده کردیم و از آن عکس گرفتیم. در این ویدیو لیونل مسی گرمکن ورزشی به تن دارد و لباس آبی و اناری بارسلونا را نپوشیده است. نمای کلوز آپ لیونل مسی برای همه فوتبال دوستان قابل تشخیص است. اما می بینید که هوش مصنوعی گوگل و بیکسی سامسونگ قادر نیستند لیونل مسی را تشخیص دهند، کاری که یک پسر بچه 5 ساله می تواند انجام دهد.

مقایسه بیکسبی و گوگل اسیستنت

18- تصویری از کریستیانو رونالدو. عبارتی که گوگل نمایش داده “مرد” است. در بخش تصاویر مشابه، تصاویری از چند بازیکن را نشان داده است که به دلیل چمن پشت سر رونالدو است. بیکسبی سامسونگ نیز نتوانسته رونالدو را تشخیص دهد و تصاویری از چند بازیگر را نمایش داده است. در انتخاب این تصویر نیز فیلمی از تمرین رونالدو را با گرمکن انتخاب کرده ایم و از آن عکس گرفته ایم. در اینجا گوگل بهتر عمل کرده، زیرا حداقل چند بازیکن فوتبال را پیدا کرده نه چند بازیگر سینما.

مقایسه بیکسبی و گوگل اسیستنت

19- تصویری از برج ایفل. عبارتی که گوگل نمایش داده “برج ایفل” است. در بخش تصاویر مشابه هم به درستی تصاویری از برج ایفل در شب را نشان داده است. بیکسبی سامسونگ نیز به درستی تصاویری از برج ایفل را در شب نمایش داده است. این تصویر را از طریق عکس گرفتن از یک ویدیو تهیه کرده ایم که تصویر آن قبلا آرشیو نشده باشد. با این حال هر دو هوش مصنوعی، برج ایفل را به خوبی تشخیص داده اند.

مقایسه بیکسبی و گوگل اسیستنت

20- تصویری از برج میلاد. عبارتی که گوگل نمایش داده “برج میلاد” است. در بخش تصاویر مشابه هم به درستی تصاویری از برج میلاد را در شب نشان داده است. بیکسبی سامسونگ نتوانسته برج میلاد را تشخیص دهد، به همین خاطر تصویری از یک مکان دیگر را در شب که مشابه تصویر اصلی بوده نمایش داده است.

نتیجه گیری: در این مقایسه از 20 تصویر استفاده کردیم که می توان نمره قبولی را به هر دو هوش مصنوعی داد. در برخی موارد هوش مصنوعی گوگل بهتر بود و در برخی موارد هوش مصنوعی بیکسبی سامسونگ. اگر بخواهیم موردی اشاره کنیم، می توانیم جدولی را مطابق جدول زیر برای آن ترسیم کنیم.

مقایسه بیکسبی و گوگل اسیستنت

توجه: امتیاز به دست آمده قطعا یک ارزیابی شخصی است و نمی تواند قابل استناد باشد؛ هر چند که سعی شد در این مقایسه، تصاویر متنوعی انتخاب شود تا عدالت رعایت گردد.

هوش مصنوعی موتور جستجوی تصاویر گوگل با اختلاف اندکی بهتر عمل می کند، اما هوش مصنوعی بیکسبی سامسونگ هم حریف دست و پا بسته ای در مقابل این غول تکنولوژی نیست. این مقایسه نشان داد که هوش مصنوعی گوگل در زمینه شناسایی تصاویر، مانند مترجم گوگل، همچنان جای کار دارد. تکنیک های یادگیری عمیق (Deep Learning) می تواند پیشرفت هوش مصنوعی را بهبود بخشد. با تکنیک های یادگیری عمیق، یک سیستم کامپیوتری می تواند مانند یک کودک یاد بگیرد و اطلاعات خودش را افزایش دهد.

ممنون از اینکه این مقاله را تا انتها دنبال کردید.