نماذج ومنصات الذكاء الاصطناعي

دراسة تبين أن نماذج الذكاء الاصطناعي لا تتطابق مع معالجة البشر للرؤية

Alex McFarland
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةنماذج الرؤية بالذكاء الاصطناعي تفشل في إدراك الأشكال الكلية للأجسام على عكس الإدراك…
عرض المزيد
  • نماذج الرؤية بالذكاء الاصطناعي تفشل في إدراك الأشكال الكلية للأجسام على عكس الإدراك البشري.
  • هذا القصور قد يؤدي إلى قراءة مخاطر خاطئة بشكل خطير في التطبيقات الواقعية مثل سلامة المرور.
  • قد يكون من الضروري تدريب الشبكات على مهام أوسع تتجاوز مجرد التعرف البسيط.

أظهرت دراسة جديدة من جامعة يورك أن الشبكات العصبية الالتفافية العميقة (DCNNs) لا تتطابق مع معالجة البشر للرؤية باستخدام إدراك الشكل التكويني. ووفقًا لأستاذ جيمس إلدر، أحد مؤلفي الدراسة، فإن هذا قد يؤدي إلى عواقب وخيمة وخطيرة في تطبيقات الذكاء الاصطناعي في العالم الواقعي.

نشرت الدراسة الجديدة بعنوان “فشل نماذج التعلم العميق في استيعاب الطبيعة التكوينية لإدراك الشكل البشري” في مجلة Cell Press iScience.

كانت هذه دراسة مشتركة بين إلدر، الذي يشغل كرسي أبحاث يورك في الرؤية البشرية والحاسوبية، وكذلك منصب المدير المشارك لمركز يورك للذكاء الاصطناعي والمجتمع، وأستاذ نيكولاس بيكر، الذي هو أستاذ مساعد في علم النفس والزميل السابق لبرنامج VISTA لأبحاث ما بعد الدكتوراه في يورك.

مثيرات بصرية جديدة “فرانكشتاين”

استند الفريق إلى محفزات بصرية جديدة تسمى “فرانكشتاين”، والتي ساعدتهم على استكشاف كيفية معالجة كل من الدماغ البشري والشبكات العصبية الالتفافية العميقة للخصائص الكلية للأجسام والعلاقات بين أجزائها.

“فرانكشتاين هي ببساطة كائنات تم تفكيكها وإعادة تجميعها بطريقة خاطئة”، يقول إلدر. “ونتيجة لذلك، لديهم جميع الميزات المحلية الصحيحة، ولكن في المكان الخطأ”.

وجدت الدراسة أن الشبكات العصبية الالتفافية العميقة ليست مرتبكة من قبل فرانكشتاين مثل نظام الرؤية البشرية. وهذا يظهر عدم حساسية للخصائص المتعلقة بالعلاقات بين أجزاء الأجسام.

“تشرح نتائجنا لماذا تفشل نماذج الذكاء الاصطناعي العميق في ظروف معينة وتشير إلى الحاجة إلى النظر في مهام تتجاوز التعرف على الكائنات من أجل فهم معالجة الرؤية في الدماغ”، يواصل إلدر. “تتمثل هذه النماذج العميقة في اتخاذ ‘الطرق القصيرة’ عند حل مهام التعرف المعقدة. في حين أن هذه الطرق القصيرة قد تعمل في العديد من الحالات، يمكن أن تكون خطيرة في بعض تطبيقات الذكاء الاصطناعي الحقيقية التي نعمل عليها حاليًا مع شركائنا في الصناعة والحكومة”.

صورة: جامعة يورك

الآثار الواقعية

يقول إلدر إن واحدة من هذه التطبيقات هي أنظمة أمان الفيديو المرورية.

“الكائنات في مشهد مروري مزدحم – المركبات والدراجات والمشاة – تعترض بعضها البعض وتصل إلى عين السائق كخليط من الشظايا المنفصلة”، يقول. “يحتاج الدماغ إلى تجميع هذه الشظايا بشكل صحيح لتحديد الفئات والمواقع الصحيحة للكائنات. نظام الذكاء الاصطناعي لمراقبة أمان المرور الذي يمكنه فقط إدراك الشظايا بشكل فردي سيفشل في هذه المهمة، وربما يفهم بشكل خاطئ المخاطر التي تهدد المستخدمين الضعفاء على الطريق”.

يقول الباحثون أيضًا أن التعديلات على التدريب والهيكل التي تهدف إلى جعل الشبكات أكثر تشابهًا بالدماغ لم تنجح في تحقيق المعالجة التكوينية. لم تتمكن أي من الشبكات من التنبؤ بدقة بأحكام البشر على الأجسام في كل محاولة تجريبية على حدة.

“نظن أن الشبكات يجب أن يتم تدريبها على حل مجموعة أوسع من مهام الكائنات لتجاوز التعرف على الفئات من أجل مطابقة الحساسية التكوينية البشرية”، يختم إلدر.

يقود أليكس عمليات الأخبار المدعومة بالذكاء الاصطناعي في Unite.AI، حيث يجمع بين الصحافة والبحث والأتمتة لدعم تغطية سريعة وقابلة للتوسع للذكاء الاصطناعي. يساعد عمله في ضمان ظهور التطورات الناشئة في مجال الذكاء الاصطناعي بشكل فعال مع الحفاظ على معايير التحرير في النشرة.