Nykyään löytyy jo monia ohjelmistoja, jotka kykenevät tunnistamaan vaihtelevalla tarkkuudella erilaisia kohteita kuvista. Nyt tälläinen tekniikka liitettiin toimimaan yhdessä toisen ”tekoälyn” kanssa ja tuloksena syntyi järjestelmä, joka osaa kuvata erilaisten kuvien sisältöä lauseilla.
Systeemin takaa löytyy hakukonejätti Google sekä Stanfordin yliopisto. Se on muodostettu yhdistämällä kaksi keinotekoista neuroverkkoa, joista toinen kykenee tunnistamaan erilaisia objekteja kuvista ja toinen muodostamaan järkeviä lauseita saatavilla olevien tietojen perusteella. Järjestelmä ei tietenkään toimi kylmäkseltään, vaan se pitää ensin kouluttaa tehtäväänsä. Tästä huolimatta se tekee toki myös virheitä, mutta joissain tapauksissa kuvaukset voisivat aivan hyvin olla ihmisen kirjoittamia.
Tietty pidemmällä kouluttamisella tällaisestakin järjestelmästä saadaan yhä nerokkaampi ja ehkä vielä jonakin päivänä ihmisten ei tarvitse enää edes kirjoittaa kuvauksia valokuvilleen.
