Počítač Schopný Identifikovat 200 Druhů Ptáků Z Jedné Fotografie

Výzkumníci z Duke University použili strojové učení, aby naučili počítač identifikovat až 200 různých druhů ptáků. Počítač potřebuje pouze jednu fotografii, aby dokončil proces identifikace. Pro člověka je často vyžadováno několik let pozorování ptáků, aby mohl identifikovat různé druhy od sebe.

Výzkum vedl Chaofan Chen, doktorand počítačové vědy na Duke University, spolu s undergraduate Oscarem Lim. Práci také prováděli další členové týmu Prediction Analysis Lab, vedeného profesorkou Cynthiou Rudinovou z Duke University.

Umělá Inteligence Ukazuje Svůj Myšlenkový Proces

Zatímco proces identifikace je působivý, existuje důležitější aspekt vývoje. Umělá inteligence je schopná ukázat svůj myšlenkový proces, což umožňuje i nezkušenému pozorovateli ptáků pochopit proces.

Hluboká neuronová síť, nebo algoritmy založené na fungování mozku, byly trénovány s 11 788 fotografiemi. Fotografie zahrnovaly 200 různých druhů ptáků, včetně všeho od kachen po kolibříky.

Tým výzkumníků nemusel explicitně trénovat síť, aby identifikovala zobáky nebo péří na křídlech. Místo toho je síť schopná vzít fotografii ptáka a identifikovat určité vzory v obraze. Poté může vzít tyto vzory a identifikovat předchozí vzory, které již narazila na typické znaky druhu.

Podle týmu síť vytváří sérii teplých map, které identifikují určité znaky. Například může rozlišit mezi běžným pěvcem a pěvcem s kuklou, spolu s různými znaky, jako je maska na hlavě a žlutý břich. Poté ukazuje, že tyto znaky vedly k identifikaci.

Na Rozdíl Od Jiných Systémů

Neuronová síť byla schopná identifikovat správný druh až v 84 % případů. To je podobné jako u některých nejlepších systémů. Rozdíl spočívá v tom, že tyto systémy neexplikují proces myšlení, jako tento.

Podle Rudinové je nejrevolučnějším aspektem tohoto projektu to, že poskytuje vizualizaci toho, co hluboké neuronové sítě vidí, když se dívají na obrázek.

Tato technologie se také používá na sociálních médiích, aby identifikovala podezřelé osoby v bezpečnostních kamerách, a pomáhá autonomním vozidlům identifikovat semafory a chodce.

Software hlubokého učení často nevyžaduje explicitní programování, aby se naučil z dat, na rozdíl od tradičního softwaru. Nicméně, proces není vždy jasný nebo zobrazen, takže je často obtížné vysvětlit, jak algoritmy “myslí”, když klasifikují obrázek.

V Budoucnu

Rudinová a další目前 pracují na nových modelech hlubokého učení pro umělou inteligenci, které tlačí toto odvětví dopředu. Nové modely mohou vysvětlit svůj myšlenkový proces a proces identifikace. To pomáhá výzkumníkům vidět od začátku do konce a usnadňuje identifikaci důvodu chyby nebo problému.

Rudinová a její tým budou pracovat na použití algoritmu v medicíně. Může identifikovat určité problémové oblasti v medicínských obrazech, jako jsou mammogramy. To by pomohlo zdravotnickým odborníkům detekovat uzly, kalcifikace a další známky rakoviny prsu.

Podle Rudinové síť napodobuje způsob, jakým lékaři dělají diagnózu.

“Je to založené na případovém rozumu,” řekla Rudinová. “Doufáme, že budeme moci lépe vysvětlit lékařům nebo pacientům, proč byla jejich obrazová klasifikace sítí označena jako buď maligní nebo benigní.”

Tým představí článek, který zahrnuje jejich výzkum, na Thirty-third Conference on Neural Information Processing Systems (NeurlIPS2019) ve Vancouveru 12. prosince.

Studie také zahrnuje autory Daniela Taoa a Alinu Barnerr z Duke University a Jonathana Su z MIT Lincoln Laboratory.