Έτσι, αν κανείς θέλει να ξέρει πόσο βαρετή είναι η σέλφι που τράβηξε, δεν έχει παρά να ρωτήσει τον αλγόριθμο. Μάλιστα, οι ερευνητές σκοπεύουν να δημιουργήσουν μια εφαρμογή για κινητά τηλέφωνα, που θα βασίζεται στον αλγόριθμο και θα συμβουλεύει τον χρήστη πόση τύχη θα έχει η φωτογραφία του.
Μπορεί κανείς να δοκιμάσει τον αλγόριθμο στη διεύθυνση:http://memorability.csail.mit.edu/demo.html.
Ο αλγόριθμος MemNet, μεταξύ άλλων, θα μπορούσε να βοηθήσει όσους ασχολούνται με τη διαφήμιση, το μάρκετινγκ και τις δημόσιες σχέσεις να κρίνουν πόση απήχηση θα έχουν οι φωτογραφίες μιας καμπάνιας τους και να κάνουν έτσι έγκαιρα τις κατάλληλες τροποποιήσεις.
Ο αλγόριθμος «βαθιάς μάθησης», όπως λέγεται, αφομοιώνει συνεχώς νέες πληροφορίες, ώστε να βελτιώνει τις ικανότητές του. Οι τεχνολογίες βαθιάς μάθησης, που ανήκουν στο πεδίο της τεχνητής νοημοσύνης, μιμούνται τις ανθρώπινες νευρωνικές (εγκεφαλικές) λειτουργίες.
Ο MemNet «διδάχθηκε» πώς να αξιολογεί μια νέα φωτογραφία, έχοντας προηγουμένως τροφοδοτηθεί με 60.000 φωτογραφίες, συνοδευόμενες από μετα-δεδομένα σχετικά με τη δημοφιλία και τα online σχόλια των χρηστών για κάθε μία από αυτές. Έτσι, μπορεί πλέον να κρίνει αν μια νέα φωτογραφία θα μείνει στην μνήμη των ανθρώπων ή θα περάσει απαρατήρητη.
Προς το παρόν, ο αλγόριθμος τα καταφέρνει περίπου εξίσου καλά με τους ανθρώπους στο να βαθμολογεί την απήχηση μιας φωτογραφίας. Όμως είναι θέμα χρόνου, αφού συνεχώς μαθαίνει, να αποκτήσει ανώτερες δυνατότητες. Μάλιστα, είναι ήδη σε θέση να υποδείξει ποια μέρη μιας εικόνας είναι τα πιο ενδιαφέροντα και ποια τα πιο βαρετά.
