Ερευνητές Χρησιμοποιούν Τον AI Για Να Ερευνήσουν Πώς Οι Ανακλάσεις Διαφέρουν Από τις Αρχικές Εικόνες

Ερευνητές στο Πανεπιστήμιο Κορνέλ最近 χρησιμοποίησαν συστήματα μηχανικής μάθησης για να ερευνήσουν πώς οι ανακλάσεις των εικόνων διαφέρουν από τις αρχικές εικόνες. Όπως αναφέρθηκε από το ScienceDaily, οι αλγόριθμοι που δημιουργήθηκαν από την ομάδα των ερευνητών βρήκαν ότι υπήρχαν χαρακτηριστικά σημάδια, διαφορές από την αρχική εικόνα, που μια εικόνα είχε ανακλαστεί ή είχε γυριστεί.

Ο αναπληρωτής καθηγητής πληροφορικής στο Cornell Tech, Noah Snavely, ήταν ο senior author της μελέτης. Σύμφωνα με τον Snavely, το ερευνητικό έργο ξεκίνησε όταν οι ερευνητές ενδιαφέρθηκαν από το πώς οι εικόνες διαφέρουν σε σαφείς και λεπτές τρόπους όταν ανακλαστούν. Ο Snavely εξήγησε ότι ακόμη και τα πράγματα που φαίνονται πολύ συμμετρικά στην πρώτη ματιά μπορούν συνήθως να διακριθούν ως ανακλάσεις όταν μελετηθούν. “Είμαι ενθουσιασμένος με τις ανακαλύψεις που μπορείτε να κάνετε με νέους τρόπους απόκτησης πληροφοριών”, είπε ο Snavely, σύμφωνα με το ScienceDaily.

Οι ερευνητές επικεντρώθηκαν σε εικόνες ανθρώπων, χρησιμοποιώντας τις για να εκπαιδεύσουν τους αλγόριθμους τους. Αυτό έγινε γιατί τα πρόσωπα δεν φαίνονται σαφώς ασύμμετρα. Όταν εκπαιδεύτηκαν σε δεδομένα που διαχώριζαν τις ανακλασμένες εικόνες από τις αρχικές εικόνες, ο AI αναφέρθηκε ότι έφτασε σε ακρίβεια μεταξύ 60% και 90% σε διάφορους τύπους εικόνων.

Πολλοί από τους οπτικούς δείκτες μιας ανακλασμένης εικόνας που ο AI έμαθε είναι πολύ λεπτοί και δύσκολοι για τους ανθρώπους να διακριθούν όταν κοιτάζουν τις ανακλασμένες εικόνες. Για να ερμηνεύσουν καλύτερα τα χαρακτηριστικά που ο AI χρησιμοποιούσε για να διαχωρίσει τις ανακλασμένες εικόνες από τις αρχικές εικόνες, οι ερευνητές δημιούργησαν ένα heatmap. Το heatmap έδειξε τις περιοχές της εικόνας που ο AI επικεντρωνόταν. Σύμφωνα με τους ερευνητές, ένας από τους πιο συχνούς δείκτες που ο AI χρησιμοποιούσε για να διαχωρίσει τις ανακλασμένες εικόνες ήταν ο κείμενος. Αυτό ήταν προφανές και οι ερευνητές αφαίρεσαν εικόνες που περιείχαν κείμενο από τα δεδομένα εκπαίδευσής τους για να πάρουν μια καλύτερη ιδέα για τις πιο λεπτές διαφορές μεταξύ ανακλασμένων και αρχικών εικόνων.

Μετά την αφαίρεση εικόνων που περιείχαν κείμενο από το σύνολο εκπαίδευσης, οι ερευνητές βρήκαν ότι ο ταξινομητής AI επικεντρωνόταν σε χαρακτηριστικά των εικόνων όπως τα κουμπιά των πουκαμίσων, τα κινητά τηλέφωνα, τα ρολόγια χεριού και τα πρόσωπα. Κάποια από αυτά τα χαρακτηριστικά έχουν προφανείς, αξιόπιστους τρόπους που ο AI μπορεί να επικεντρωθεί, όπως το γεγονός ότι οι άνθρωποι συνήθως κρατούν τα κινητά τηλέφωνα στο δεξί χέρι και ότι τα κουμπιά των πουκαμίσων είναι συνήθως στο αριστερό. Ωστόσο, τα χαρακτηριστικά του προσώπου είναι συνήθως πολύ συμμετρικά με διαφορές που είναι μικρές και πολύ δύσκολο για einen ανθρώπινο παρατηρητή να ανιχνεύσει.

Οι ερευνητές δημιούργησαν ένα άλλο heatmap που έδειξε τις περιοχές του προσώπου που ο AI επικεντρωνόταν. Ο AI συχνά χρησιμοποιούσε τα μάτια, τα μαλλιά και τις γενιές για να ανιχνεύσει τις ανακλασμένες εικόνες. Για λόγους που δεν είναι σαφείς, οι άνθρωποι συχνά κοιτάζουν ελαφρώς προς τα αριστερά όταν έχουν φωτογραφηθεί. Όσον αφορά το γιατί τα μαλλιά και οι γενιές είναι δείκτες ανακλασμένων εικόνων, οι ερευνητές δεν είναι βέβαιοι αλλά θεωρούν ότι η εύνοια του ανθρώπου μπορεί να αποκαλυφθεί από τον τρόπο που ξυρίζει ή χτενίζει. Αν και αυτοί οι δείκτες possono είναι αναξιόπιστοι, συνδυάζοντας πολλαπλούς δείκτες μαζί οι ερευνητές μπορούν να επιτύχουν μεγαλύτερη εμπιστοσύνη και ακρίβεια.

Περισσότερη έρευνα θα πρέπει να διεξαχθεί σε αυτόν τον τομέα, αλλά αν τα ευρήματα είναι συνεπή και αξιόπιστα, τότε μπορεί να βοηθήσει τους ερευνητές να βρουν πιο αποτελεσματικούς τρόπους για την εκπαίδευση αλγορίθμων μηχανικής μάθησης. Η υπολογιστική όραση AI συχνά εκπαιδεύεται χρησιμοποιώντας ανακλάσεις εικόνων, καθώς είναι ένας αποτελεσματικός και γρήγορος τρόπος για την αύξηση της διαθέσιμης εκπαιδευτικής δεδομένων. Είναι δυνατό ότι η ανάλυση του πώς οι ανακλασμένες εικόνες διαφέρουν μπορεί να βοηθήσει τους ερευνητές της μηχανικής μάθησης να κατανοήσουν καλύτερα τις προκαταλήψεις που υπάρχουν στα μοντέλα μηχανικής μάθησης που μπορεί να προκαλούν λανθασμένες ταξινομήσεις εικόνων.

Όπως ο Snavely ανέφερε στο ScienceDaily:

“Αυτό οδηγεί σε ένα ανοιχτό ερώτημα για την κοινότητα της υπολογιστικής όρασης, το οποίο είναι, πότε είναι εντάξει να κάνετε αυτή την αναστροφή για να αυξήσετε το σύνολο δεδομένων σας, και πότε δεν είναι εντάξει; Ελπίζω ότι αυτό θα κάνει τους ανθρώπους να σκεφτούν περισσότερο για αυτά τα ερωτήματα και να αρχίσουν να αναπτύσσουν εργαλεία για να κατανοήσουν πώς προκαλούν προκαταλήψεις στο αλγόριθμο.”