Computer kan identificere 200 fuglearter fra ét billede

Forskere fra Duke University har brugt maskinel læring til at træne en computer til at identificere op til 200 forskellige fuglearter. Computeren kræver kun ét billede for at gennemføre identifikationsprocessen. For en menneskelig, kan det kræve år med fuglekiggeri for at kunne identificere forskellige arter fra hinanden.

Forskningen blev ledet af Duke-computerscience-ph.d.-studerende Chaofan Chen, sammen med undergraduate Oscar Li. Det blev også arbejdet på af andre teammedlemmer fra Prediction Analysis Lab, som er ledet af Duke-professoren Cynthia Rudin.

A.I. viser sin tænkning

Selvom identifikationsprocessen er imponerende, er der en vigtigere aspekt af udviklingen. A.I.’en kan vise sin tænkning, hvilket gør det muligt for selv en uerfaren fuglekigger at forstå processen.

Det dybe neurale netværk, eller algoritmer, der er baseret på hjernens funktion, blev trænet med 11.788 billeder. Billederne inkluderede 200 forskellige fuglearter, inklusive alt fra ænder til kolibrier.

Forskerholdet behøvede ikke specifikt at træne netværket til at identificere næb eller vingefjer. I stedet kan netværket tage et billede af en fugl og identificere bestemte mønstre i billedet. Derefter kan det tage disse mønstre og identificere tidligere mønstre, som det allerede har mødt i typiske arteregenskaber.

Ifølge teamet skaber netværket derefter en række varme-kort, der identificerer bestemte træk. For eksempel kan det fortolke forskellen mellem en almindelig sanglærke og en hættet sanglærke, sammen med forskellige træk som en maske på hovedet og en gul mave. Derefter viser det, at disse træk er årsagen til identifikationen.

Anders end andre systemer

Det neurale netværk kunne identificere den korrekte art op til 84% af tiden. Dette er sammenligneligt med nogle af de bedst fungerende systemer. Forskellen er, at disse systemer ikke forklarer tænkningens proces på samme måde som dette.

Ifølge Rudin er dette projekts mest revolutionerende aspekt, at det giver visualisering for, hvad dybe neurale netværk ser, når de ser på et billede.

Denne teknologi bruges også i øjeblikket på sociale medier, til at identificere mistænkte kriminelle i overvågningskameraer og hjælpe selvstændige køretøjer med at identificere trafiklys og fodgængere.

Dybe læringssoftware kræver ofte ikke at blive eksplicit programmeret for at lære fra data, hvilket ikke er tilfældet med traditionel software. Imidlertid er processen ikke altid klar eller vist, så det er ofte svært at forklare, hvordan algoritmerne “tænker”, når de klassificerer et billede.

I fremtiden

Rudin og andre arbejder i øjeblikket på nye dybe læringsmodeller for A.I., der driver feltet fremad. De nye modeller kan forklare deres grundlag og identifikationsproces. Dette hjælper forskerne med at se fra start til slut og gør det lettere at identificere årsagen til en fejl eller problem.

Rudin og hendes team vil arbejde på at bruge algoritmen i det medicinske felt. Den kunne identificere bestemte problemer inden for medicinske billeder som mammografier. Dette ville hjælpe medicinske fagfolk med at opdage knuder, kalkificeringer og andre tegn på brystkræft.

Ifølge Rudin efterligner netværket den måde, læger diagnosticerer på.

“Det er baseret på tilfælde,” sagde Rudin. “Vi håber, vi kan forklare bedre for læger eller patienter, hvorfor deres billede blev klassificeret af netværket som enten ondartet eller godartet.”

Teamet vil præsentere en rapport, der inkluderer deres forskning, på den tredje konference om neurale informationsprocesser (NeurlIPS2019) i Vancouver den 12. december.

Studiet inkluderer også forfatterne Daniel Tao og Alina Barnerr fra Duke og Jonathan Su fra MIT Lincoln Laboratory.