Комментарии 11
позволит исключить из процесса дорогостоящие методы, например, спектроскопию или химический анализ, особенно в случаях, когда они выполняются для подстраховки.
Хм. Разве этот ИИ будет давать 100% результат? Для подстраховки не нужно будет выполнять альтернативные способы идентификации минералов?
Я думаю тут можно добиться результатов аналогичных тем же проверкам МRТ/CT. То есть условно говоря ИИ либо будет на 99,999999% "уверен" что прав, либо просто отправит всё это дело на проверку человеку.
Ещё интересно в каком количестве случаев "уверенности" ИИ накосячит.
Ну так в том то и дело что в этом контексте оно косячит очень редко.
То есть в принципе весь смысл этого дела это получить вариант в котором либо будет меньше ошибок, либо который как минимум будет заметно дешевле при том же проценте ошибок. И если это работает в случае с MRT/CT, то не вижу причин почему это не должно работать с минералами.
Да, конечно, можно калибровать уверенность модели, и подбирать порог. В зависимости от конкретной задачи, можно найти подходящий баланс между точностью и полнотой.
Вы правы, результат 100% никогда не гарантирован, особенно в таких сложных задачах, как идентификация минералов. Однако, использование ИИ может значительно увеличить скорость процесса идентификации. В случаях, когда образцов очень много, использовать спектроскопию или химический анализ слишком долго и дорого, поэтому использование альтернативных методов идентификации для предварительного отсева может быть полезным. Конечно, ИИ не панацея, но почему не использовать его там, где это упрощает работу? И обратите внимание, что это статья про создание датасета, а не ИИ. С его помощью можно обучить модели под разные задачи.
Так есть же апликуха там за секунду распознается
в помощи определения различных минералов
а для веспен-газов?
Датасет выложили или у российских учёных не принято?
Как раз у российских принято. Данные можно скачать тут
В России создали базу данных для обучения ИИ в помощи определения различных минералов