يستخدم الباحثون الذكاء الاصطناعي للتحقيق في كيفية اختلاف الانعكاسات عن الصور الأصلية

استخدم الباحثون في جامعة كورنيل مؤخرًا أنظمة التعلم الآلي للتحقيق في كيفية اختلاف انعكاسات الصور عن الصور الأصلية. كما ذكرت ScienceDaily، وجدت الخوارزميات التي أنشأها فريق الباحثين أن هناك علامات منبهة ، واختلافات عن الصورة الأصلية ، على أن الصورة قد انقلبت أو انعكست.

كان نوح سنافيلي ، أستاذ علوم الكمبيوتر المساعد في جامعة كورنيل تيك ، هو المؤلف الأول للدراسة. وفقًا لـ Snavely ، بدأ مشروع البحث عندما أصبح الباحثون مفتونين بكيفية اختلاف الصور من حيث الوضوح والبراعة عند انعكاسها. أوضح Snavely أنه حتى الأشياء التي تبدو متماثلة للغاية للوهلة الأولى يمكن تمييزها عادة على أنها انعكاس عند دراستها. قال Snavely ، وفقًا لموقع ScienceDaily: "أنا مفتون بالاكتشافات التي يمكنك القيام بها باستخدام طرق جديدة لجمع المعلومات".

ركز الباحثون على صور الأشخاص ، واستخدامها لتدريب الخوارزميات الخاصة بهم. تم ذلك لأن الوجوه لا تبدو غير متناسقة بشكل واضح. عند التدريب على البيانات التي ميزت الصور المقلوبة من الصور الأصلية ، ورد أن الذكاء الاصطناعي حقق دقة تتراوح بين 60٪ إلى 90٪ عبر أنواع مختلفة من الصور.

العديد من السمات المرئية للصورة المقلوبة التي تعلمها الذكاء الاصطناعي دقيقة للغاية ويصعب على البشر تمييزها عندما ينظرون إلى الصور المقلوبة. من أجل تفسير أفضل للميزات التي كان يستخدمها الذكاء الاصطناعي للتمييز بين الصور المعكوسة والأصلية ، أنشأ الباحثون خريطة حرارية. أظهرت الخريطة الحرارية مناطق من الصورة يميل الذكاء الاصطناعي إلى التركيز عليها. وفقًا للباحثين ، كان النص أحد أكثر الدلائل شيوعًا التي استخدمها الذكاء الاصطناعي للتمييز بين الصور المقلوبة. لم يكن هذا مفاجئًا ، وقام الباحثون بإزالة الصور التي تحتوي على نص من بيانات التدريب الخاصة بهم من أجل الحصول على فكرة أفضل عن الاختلافات الأكثر دقة بين الصور المعكوسة والأصلية.

بعد إسقاط الصور التي تحتوي على نص من مجموعة التدريب ، وجد الباحثون أن مُصنف الذكاء الاصطناعي يركز على ميزات الصور مثل المتصلين بالقميص ، والهواتف المحمولة ، وساعات اليد ، والوجوه. تحتوي بعض هذه الميزات على أنماط واضحة وموثوقة يمكن للذكاء الاصطناعي التركيز عليها ، مثل حقيقة أن الأشخاص غالبًا ما يحملون هواتف محمولة في يدهم اليمنى وأن الأزرار الموجودة على أطواق القمصان غالبًا ما تكون على اليسار. ومع ذلك ، عادةً ما تكون ميزات الوجه متناظرة للغاية مع كون الاختلافات صغيرة ويصعب على المراقب البشري اكتشافها.

أنشأ الباحثون خريطة حرارية أخرى سلطت الضوء على مناطق الوجوه التي يميل الذكاء الاصطناعي إلى التركيز عليها. غالبًا ما يستخدم الذكاء الاصطناعي عيون الأشخاص وشعرهم ولحاهم للكشف عن الصور المقلوبة. لأسباب غير واضحة ، غالبًا ما ينظر الأشخاص قليلاً إلى اليسار عند التقاط صور لهم. بالنسبة لسبب كون الشعر واللحية مؤشرات على الصور المقلوبة ، فإن الباحثين غير متأكدين لكنهم يفترضون أن يد الشخص يمكن الكشف عنها من خلال طريقة الحلاقة أو التمشيط. في حين أن هذه المؤشرات يمكن أن تكون غير موثوقة ، من خلال الجمع بين مؤشرات متعددة معًا ، يمكن للباحثين تحقيق قدر أكبر من الثقة والدقة.

ستكون هناك حاجة إلى إجراء المزيد من الأبحاث على هذا المنوال، ولكن إذا كانت النتائج متسقة وموثوقة، فقد يساعد ذلك الباحثين على إيجاد طرق أكثر كفاءة لتدريب خوارزميات التعلم الآلي. غالبًا ما يتم تدريب الذكاء الاصطناعي للرؤية الحاسوبية باستخدام انعكاسات الصور، حيث إنها طريقة فعالة وسريعة لزيادة كمية بيانات التدريب المتاحة. من الممكن أن يساعد تحليل كيفية اختلاف الصور المنعكسة باحثي التعلم الآلي على اكتساب فهم أفضل للتحيزات الموجودة في نماذج التعلم الآلي والتي قد تجعلهم يصنفون الصور بشكل غير دقيق.

كما كان Snavely نقلت من قبل ScienceDaily:

"يؤدي هذا إلى سؤال مفتوح لمجتمع رؤية الكمبيوتر ، وهو ، متى يكون من المناسب القيام بهذا التقليب لزيادة مجموعة البيانات الخاصة بك ، ومتى لا يكون ذلك مناسبًا؟ آمل أن يدفع هذا الأشخاص إلى التفكير أكثر في هذه الأسئلة والبدء في تطوير أدوات لفهم كيفية تحيزها للخوارزمية ".