جهاز كمبيوتر يمكنه تحديد 200 نوع من الطيور من صورة واحدة

استخدم باحثون من جامعة ديوك التعلم الآلي لتدريب جهاز كمبيوتر على تحديد ما يصل إلى 200 نوع مختلف من الطيور. يحتاج الجهاز إلى صورة واحدة فقط لإكمال عملية التحديد. بالنسبة للإنسان ، غالبًا ما يتطلب الأمر سنوات من مراقبة الطيور للتمكن من تحديد الأنواع المختلفة من بعضها البعض.

قاد البحث طالب الدكتوراه في علوم الحاسوب في جامعة ديوك تشاوفان تشين ، إلى جانب طالب الدراسات الجامعية أوسكار لي. كما ساهم أعضاء آخرون في فريق معمل التحليل التنبؤي بقيادة أستاذ جامعة ديوك سينثيا رودين.

الذكاء الاصطناعي يظهر تفكيره

في حين أن عملية التحديد مثيرة للإعجاب ، هناك جانب أكثر أهمية في التطورات. يمكن للذكاء الاصطناعي أن يظهر تفكيره ، مما يسمح حتى لمراقب الطيور المبتدئ بفهم العملية.

تم تدريب الشبكة العصبية العميقة ، أو الخوارزميات التي تعتمد على عمل الدماغ ، على 11788 صورة. وشملت الصور 200 نوعًا مختلفًا من الطيور ، بما في ذلك كل شيء من البط إلى الطنان.

لم يكن على فريق الباحثين تدريب الشبكة بشكل خاص على تحديد المناقير أو ريش الأجنحة. بدلاً من ذلك ، يمكن للشبكة أن تأخذ صورة لطائر وتحديد أنماط معينة في الصورة. ثم يمكنها أن تأخذ تلك الأنماط وتحديد أنماط سابقة التي واجهتها بالفعل في سمات الأنواع النموذجية.

وفقًا للفريق ، فإن الشبكة ثم tạo سلسلة من خرائط الحرارة التي تحدد سمات معينة. على سبيل المثال ، يمكنها أن ت告诉 الفرق بين طائر حزين عادي وطائر حزين مقنع ، إلى جانب الميزات المختلفة مثل رأس مقنع و بطن أصفر. ثم تظهر أن هذه السمات هي ما أدى إلى التحديد.

على عكس الأنظمة الأخرى

تمكنت الشبكة العصبية من تحديد النوع الصحيح بنسبة تصل إلى 84٪ من الوقت. هذا مشابه لبعض الأنظمة الأفضل أداءً. الفرق هو أن تلك الأنظمة لا توضح عملية التفكير مثل هذه.

وفقًا لرودين ، فإن الجانب الأكثر ثورة في هذا المشروع هو أنه يوفر تصورًا لما ترى الشبكات العصبية العميقة عندما تنظر إلى صورة.

تستخدم هذه التكنولوجيا حاليًا على مواقع التواصل الاجتماعي ، لتحديد المشتبه فيهم في الكاميرات المراقبة ، ومساعدة المركبات المستقلة على تحديد إشارات المرور والمشاة.

غالبًا ما لا تتطلب برامج التعلم العميق برمجة صريحة من أجل التعلم من البيانات ، وهو ما لا ينطبق على البرامج التقليدية. ومع ذلك ، فإن العملية ليست دائمًا واضحة أو موضحة ، لذلك غالبًا ما يكون من الصعب شرح كيفية عمل الخوارزميات “تعتمد” عند تصنيف صورة.

في المستقبل

رودين وأخرون يعملون حاليًا على نماذج تعلم عميق جديدة للذكاء الاصطناعي ، مما يدفع الحقل إلى الأمام. يمكن أن توضح النماذج الجديدة سببها وعملية تحديدها. هذا يساعد الباحثين على رؤية العملية من البداية إلى النهاية ، ويجعل من الأسهل تحديد سبب الخطأ أو المشكلة.

سوف تعمل رودين وفريقها على استخدام الخوارزمية في مجال الطب. يمكنها تحديد مناطق معينة في الصور الطبية مثل صور الثدي. هذا سيساعد المحترفين الطبيين على الكشف عن الورم ، والتكلس ، وغيرها من علامات سرطان الثدي.

وفقًا لرودين ، فإن الشبكة تقلد الطريقة التي يقوم بها الأطباء بتشخيص الحالة.

قال رودين: “إنها استدلال قائم على الحالات”. “نأمل أن نتمكن من تفسير للأطباء أو المرضى لماذا تم تصنيف صورة على أنها خبيثة أو حميدة”.

سوف يقدم الفريق ورقة تتضمن بحثهم في مؤتمر معالجة المعلومات العصبية الثالث والثلاثين (NeurlIPS2019) في فانكوفر في 12 ديسمبر.

يشمل الدراسة أيضًا مؤلفين دانيال تاو وألينا بارنر من جامعة ديوك ، و جوناثان سو في مختبر لينكولن التابع لمعهد ماساتشوستس للتكنولوجيا.