باحثون يستخدمون الذكاء الاصطناعي للتحقيق في كيفية اختلاف الانعكاسات عن الصور الأصلية

استخدم باحثون في جامعة كورنيل مؤخرًا أنظمة التعلم الآلي للتحقيق في كيفية اختلاف انعكاسات الصور عن الصور الأصلية. وفقًا لما ذكره ScienceDaily، وجد الخوارزميات التي أنشأها فريق الباحثون أن هناك علامات واضحة، اختلافات عن الصورة الأصلية، تشير إلى أن الصورة تم عكسها أو انعكاسها.

كان أستاذ مساعد في علوم الحاسوب في كورنيل تيك، نوح سنايلي، هو المؤلف الرئيسي للدراسة. وفقًا لسنايلي، بدأ مشروع البحث عندما أصبح الباحثون مهتمين بكيفية اختلاف الصور في الطرق الواضحة والخفية عندما تم عكسها. وأوضح سنايلي أن الأشياء التي تبدو متماثلة للغاية في البداية يمكن عادةً تمييزها على أنها انعكاس عند دراستها. “أنا مهتم بالاكتشافات التي يمكنك القيام بها بطرق جديدة لاستخلاص المعلومات”، قال سنايلي، وفقًا لما ذكرته ScienceDaily.

ركز الباحثون على صور الأشخاص، واستخدموها لتدريب خوارزمياتهم. تم القيام بذلك لأن الوجوه لا تبدو غير متماثلة بشكل واضح. عندما تم تدريب البيانات على تمييز الصور المعكوسة عن الصور الأصلية، حقق الذكاء الاصطناعي دقة بين 60٪ و 90٪ عبر أنواع مختلفة من الصور.

كانت العديد من السمات البصرية للصورة المعكوسة التي تعلمها الذكاء الاصطناعي دقيقة للغاية وصعب على البشر تمييزها عند النظر إلى الصور المعكوسة. من أجل تفسير الميزات التي كان الذكاء الاصطناعي يستخدمها لتمييز الصور المعكوسة عن الصور الأصلية، أنشأ الباحثون خريطة حرارية. أظهرت خريطة الحرارة المناطق من الصورة التي يركز عليها الذكاء الاصطناعي. وفقًا للباحثين، كان أحد أكثر الدلائل شيوعًا التي استخدمها الذكاء الاصطناعي لتمييز الصور المعكوسة هو النص. لم يكن هذا مفاجئًا، وقام الباحثون بإزالة الصور التي تحتوي على نص من بيانات التدريب لتحصل على فكرة أفضل عن الاختلافات الدقيقة بين الصور المعكوسة والأصلية.

بعد إزالة الصور التي تحتوي على نص من مجموعة التدريب، وجد الباحثون أن مصنف الذكاء الاصطناعي ركز على ميزات الصور مثل أزرار القمصان و الهواتف المحمولة و الساعات و الوجوه. بعض هذه الميزات لها أنماط واضحة وموثوقة يمكن للذكاء الاصطناعي التأكد منها، مثل حقيقة أن الناس غالبًا ما يحملون الهواتف المحمولة في يدهم اليمنى وأن أزرار الياقات غالبًا ما تكون على اليسار. ومع ذلك، تكون الميزات الوجهية عادةً متماثلة للغاية مع اختلافات صغيرة و صعبة للغاية على مراقب بشري للكشف عنها.

أنشأ الباحثون خريطة حرارية أخرى أبرزت المناطق من الوجوه التي يركز عليها الذكاء الاصطناعي. غالبًا ما يستخدم الذكاء الاصطناعي أعين الناس و شعرهم و لحاهم لتحديد الصور المعكوسة. من غير الواضح السبب، غالبًا ما ينظرون الناس قليلاً إلى اليسار عندما يتم chụp صور لهم. فيما يتعلق بالسؤال عن سبب كون الشعر و اللحى من المؤشرات على الصور المعكوسة، لا يعرف الباحثون السبب، لكنهم يفترضون أن يمنى أو يسرى الشخص قد يكشف عن طريقة حلاقة أو تمشيطه. بينما يمكن أن تكون هذه المؤشرات غير موثوقة، من خلال الجمع بين عدة مؤشرات معًا، يمكن للباحثين تحقيق ثقة و دقة أكبر.

ستكون هناك حاجة إلى مزيد من البحث على طول هذه الخطوط، ولكن إذا كانت النتائج متسقة و موثوقة، فقد تساعد الباحثين على العثور على طرق أكثر كفاءة لتدريب خوارزميات التعلم الآلي. غالبًا ما يتم تدريب الذكاء الاصطناعي للرؤية باستخدام انعكاسات الصور، كما أنه وسيلة فعالة و سريعة لزيادة كمية البيانات المتاحة للتدريب. من الممكن أن يساعد تحليل كيفية اختلاف الصور المنعكسة في مساعدة باحثي التعلم الآلي على الحصول على فهم أفضل للتحيزات الموجودة في نماذج التعلم الآلي التي قد تسببها تصنيف الصور بشكل غير دقيق.

كما قال سنايلي، وفقًا لما ذكرته ScienceDaily:

“هذا يؤدي إلى سؤال مفتوح للمجتمع الرؤية الحاسوبية، وهو، متى يكون من المقبول القيام بذلك العكس لزيادة مجموعة البيانات، ومتى لا يكون من المقبول؟ آمل أن هذا سوف يحفز الناس على التفكير أكثر في هذه الأسئلة وبدء تطوير أدوات لفهم كيفية تحيز الخوارزمية.”