Υπολογιστής Ικανός να Αναγνωρίσει 200 Είδη Πουλιών από Μια Φωτογραφία

Ερευνητές από το Πανεπιστήμιο Duke χρησιμοποίησαν τη μηχανική μάθηση για να εκπαιδεύσουν έναν υπολογιστή να αναγνωρίζει μέχρι 200 διαφορετικά είδη πουλιών. Ο υπολογιστής χρειάζεται μόνο μια φωτογραφία για να ολοκληρώσει τη διαδικασία αναγνώρισης. Για έναν άνθρωπο, συχνά απαιτούνται χρόνια παρατήρησης πουλιών για να能够 να αναγνωρίσει τα διαφορετικά είδη μεταξύ τους.

Η έρευνα ηγήθηκε από τον Chaofan Chen, διδάκτορα του τμήματος πληροφορικής του Πανεπιστημίου Duke, μαζί με τον undergraduate Oscar Li. Η έρευνα πραγματοποιήθηκε επίσης από άλλα μέλη της ομάδας του Prediction Analysis Lab, υπό την διεύθυνση της καθηγήτριας Cynthia Rudin του Πανεπιστημίου Duke.

Η Νοημοσύνη του Υπολογιστή Εμφανίζει τη Σκέψη της

Ενώ η διαδικασία αναγνώρισης είναι εντυπωσιακή, υπάρχει ένα πιο σημαντικό аспект της εξέλιξης. Η νοημοσύνη του υπολογιστή είναι σε θέση να εμφανίσει τη σκέψη της, επιτρέποντας ακόμη και σε έναν ανειδίκευτο παρατηρητή πουλιών να κατανοήσει τη διαδικασία.

Το βαθύ νευρωνικό δίκτυο, ή οι αλγόριθμοι που βασίζονται στη λειτουργία του εγκεφάλου, εκπαιδεύτηκαν με 11.788 φωτογραφίες. Οι φωτογραφίες περιελάμβαναν 200 διαφορετικά είδη πουλιών, συμπεριλαμβανομένων όλων, από πάπιες μέχρι κολοібρι.

Η ομάδα των ερευνητών δεν χρειάστηκε να εκπαιδεύσει συγκεκριμένα το δίκτυο για να αναγνωρίσει ράμφη ή πτερά φτερών. Αντίθετα, το δίκτυο είναι σε θέση να λάβει μια φωτογραφία ενός πουλιού και να αναγνωρίσει bestimmμένα μοτίβα στην εικόνα. Μετά, μπορεί να πάρει αυτά τα μοτίβα και να αναγνωρίσει προηγούμενα μοτίβα που đã συναντήσει σε τυπικά χαρακτηριστικά ειδών.

Σύμφωνα με την ομάδα, το δίκτυο δημιουργεί μια σειρά από θερμικές χάρτες που αναγνωρίζουν bestimmμένα χαρακτηριστικά. Για παράδειγμα, μπορεί να διακρίνει ένα κοινό warbler από ένα warbler με κουκούλα, μαζί με διαφορετικά χαρακτηριστικά όπως μια μασκαρμένη κεφαλή και μια κίτρινη κοιλιά. Μετά, δείχνει ότι αυτά τα χαρακτηριστικά είναι αυτά που οδήγησαν στην αναγνώριση.

Σε Αντιθεση με Άλλα Συστήματα

Το νευρωνικό δίκτυο ήταν σε θέση να αναγνωρίσει το σωστό είδος μέχρι το 84% της φοράς. Αυτό είναι παρόμοιο με κάποια από τα καλύτερα συστήματα. Η διαφορά είναι ότι αυτά τα συστήματα δεν εξηγούν τη διαδικασία σκέψης όπως αυτό.

Σύμφωνα με την Rudin, το πιο επαναστατικό аспект του έργου αυτού είναι ότι παρέχει οπτική αναπαράσταση για το τι βλέπουν τα βαθιά νευρωνικά δίκτυα όταν κοιτάζουν μια εικόνα.

Αυτή η τεχνολογία χρησιμοποιείται επίσης τώρα σε ιστοσελίδες κοινωνικών μέσων, για να αναγνωρίσει υπόπτους εγκληματίες σε κάμερες επιτήρησης, και να βοηθήσει τα αυτόνομα οχήματα να αναγνωρίσουν φανάρια και πεζούς.

Το λογισμικό βαθιάς μάθησης συχνά δεν χρειάζεται να προγραμματιστεί ρητά για να μάθει από δεδομένα, το οποίο δεν είναι η περίπτωση για το παραδοσιακό λογισμικό. Ωστόσο, η διαδικασία δεν είναι πάντα σαφής ή εμφανής,所以 είναι συχνά δύσκολο να εξηγηθεί πώς οι αλγόριθμοι “σκέφτονται” όταν ταξινομούν μια εικόνα.

Στο Μέλλον

Η Rudin και άλλοι εργάζονται τώρα σε νέα μοντέλα βαθιάς μάθησης για τη νοημοσύνη του υπολογιστή,推進 την εξέλιξη του πεδίου. Τα νέα μοντέλα μπορούν να εξηγήσουν τη λογική και τη διαδικασία αναγνώρισης. Αυτό βοηθά τους ερευνητές να δουν από την αρχή μέχρι το τέλος, και κάνει πιο εύκολο να αναγνωριστεί ο λόγος πίσω από ένα λάθος ή πρόβλημα.

Η Rudin και η ομάδα της θα εργαστούν στην उपयποίηση του αλγορίθμου στο ιατρικό πεδίο. Μπορεί να αναγνωρίσει bestimmμένα προβληματικά σημεία μέσα σε ιατρικές εικόνες όπως μαμμοگرάμματα. Αυτό θα βοηθήσει τους ιατρικούς επαγγελματίες να αναγνωρίσουν όγκους, κalcifications, και άλλα σημάδια καρκίνου του μαστού.

Σύμφωνα με την Rudin, το δίκτυο μιμείται τον τρόπο που οι γιατροί κάνουν μια διάγνωση.

“Είναι περίπτωση-βασισμένη λογική,” είπε η Rudin. “Ελπίζουμε ότι μπορούμε να εξηγήσουμε καλύτερα στους γιατρούς ή τους ασθενείς γιατί η εικόνα τους ταξινομήθηκε από το δίκτυο ως είτε κακόηθης ή καλοήθης.”

Η ομάδα θα παρουσιάσει μια εργασία που περιλαμβάνει την έρευνά τους στο Τριακοστό Τρίτο Συνέδριο για την Επεξεργασία Νευρικών Πληροφοριών (NeurlIPS2019) στο Βανκούβερ στις 12 Δεκεμβρίου.

Η μελέτη περιλαμβάνει επίσης τους συγγραφείς Daniel Tao και Alina Barnerr του Πανεπιστημίου Duke και τον Jonathan Su στο MIT Lincoln Laboratory.