Navorsers gebruik KI om te ondersoek hoe refleksies van oorspronklike beelde verskil

Navorsers aan die Cornell Universiteit het onlangs masjienleerstelsels gebruik om te ondersoek hoe weerkaatsings van beelde verskil van die oorspronklike beelde. Soos berig deur ScienceDaily, het die algoritmes wat deur die span navorsers geskep is, gevind dat daar duidelike tekens was, verskille van die oorspronklike beeld, dat 'n beeld omgekeer of gereflekteer is.

Medeprofessor in rekenaarwetenskap by Cornell Tech, Noah Snavely, was die studie se senior skrywer. Volgens Snavely het die navorsingsprojek begin toe die navorsers geïntrigeerd geraak het deur hoe beelde op beide ooglopende en subtiele maniere verskil het wanneer dit weerspieël is. Snel verduidelik dat selfs dinge wat met die eerste oogopslag baie simmetries lyk, gewoonlik as 'n refleksie onderskei kan word wanneer dit bestudeer word. Ek is geïntrigeerd deur die ontdekkings wat jy kan maak met nuwe maniere om inligting in te samel,” het Snavely volgens ScienceDaily gesê.

Die navorsers het op beelde van mense gefokus en dit gebruik om hul algoritmes op te lei. Dit is gedoen omdat gesigte nie ooglopend asimmetries lyk nie. Toe die KI opgelei is op data wat omgekeerde beelde van oorspronklike beelde onderskei het, het die KI 'n akkuraatheid van tussen 60% tot 90% oor verskillende soorte beelde behaal.

Baie van die visuele kenmerke van 'n omgekeerde beeld wat die KI geleer het, is redelik subtiel en moeilik vir mense om te onderskei wanneer hulle na die omgekeerde beelde kyk. Om die kenmerke wat die KI gebruik het om te onderskei tussen omgekeerde en oorspronklike beelde beter te interpreteer, het die navorsers 'n hittekaart geskep. Die hittekaart het streke van die beeld gewys waarop die KI geneig was om te fokus. Volgens die navorsers was teks een van die mees algemene leidrade wat die KI gebruik het om gedraaide beelde te onderskei. Dit was nie verbasend nie, en die navorsers het beelde wat teks bevat uit hul opleidingsdata verwyder om 'n beter idee te kry van die meer subtiele verskille tussen omgekeerde en oorspronklike beelde.

Nadat beelde wat teks bevat, uit die opleidingstel gelaat is, het die navorsers gevind dat die KI-klassifiseerder gefokus het op kenmerke van die beelde soos hempbellers, selfone, polshorlosies en gesigte. Sommige van hierdie kenmerke het ooglopende, betroubare patrone waaraan die KI kan slyp, soos die feit dat mense dikwels selfone in hul regterhand dra en dat die knoppies op hempkrae dikwels aan die linkerkant is. Gesigstrekke is egter tipies hoogs simmetries met verskille wat klein is en baie moeilik vir 'n menslike waarnemer om op te spoor.

Die navorsers het nog 'n hittekaart geskep wat die areas van gesigte uitgelig het waarop die KI geneig was om te fokus. Die KI het dikwels mense se oë, hare en baarde gebruik om gedraaide beelde op te spoor. Om redes wat onduidelik is, kyk mense dikwels effens na links wanneer hulle foto's van hulle laat neem. Die navorsers is onseker oor hoekom hare en baarde aanduidings is van omgekeerde beelde, maar hulle teoretiseer dat 'n persoon se handigheid geopenbaar kan word deur die manier waarop hulle skeer of kam. Alhoewel hierdie aanwysers onbetroubaar kan wees, kan die navorsers groter vertroue en akkuraatheid verkry deur verskeie aanwysers saam te kombineer.

Meer navorsing volgens hierdie lyne sal uitgevoer moet word, maar as die bevindinge konsekwent en betroubaar is, kan dit navorsers help om meer doeltreffende maniere te vind om masjienleeralgoritmes op te lei. Rekenaarvisie KI word dikwels opgelei deur weerkaatsings van beelde te gebruik, aangesien dit 'n effektiewe en vinnige manier is om die hoeveelheid beskikbare opleidingsdata te verhoog. Dit is moontlik dat die ontleding van hoe die weerspieëlde beelde verskil, masjienleernavorsers kan help om 'n beter begrip te kry van die vooroordele teenwoordig in masjienleermodelle wat kan veroorsaak dat hulle beelde onakkuraat klassifiseer.

Soos Snavely was aangehaal deur ScienceDaily:

"Dit lei tot 'n oop vraag vir die rekenaarvisie-gemeenskap, wat is, wanneer is dit reg om hierdie blaai te doen om jou datastel aan te vul, en wanneer is dit nie OK nie? Ek hoop dit sal mense meer oor hierdie vrae laat nadink en nutsmiddels begin ontwikkel om te verstaan ​​hoe dit die algoritme bevooroordeel.”