Προσομοιωμένα Κινήματα Ματιών Βοηθούν στην Εκπαίδευση του Metaverse

Οι μηχανικοί υπολογιστών στο Πανεπιστήμιο Duke έχουν αναπτύξει εικονικά μάτια που μπορούν να προσομοιώσουν τον τρόπο με τον οποίο οι άνθρωποι βλέπουν τον κόσμο. Τα εικονικά μάτια είναι τόσο ακριβή που μπορούν να χρησιμοποιηθούν για την εκπαίδευση προγραμμάτων εικονικής πραγματικότητας και aumented πραγματικότητας. Θα αποδειχθούν εξαιρετικά ωφέλιμα για τους développers που επιθυμούν να δημιουργήσουν εφαρμογές στο metaverse.

Τα αποτελέσματα θα παρουσιαστούν στις 4-6 Μαΐου στη Διεθνή Συνέλευση για την Επεξεργασία Πληροφοριών σε Δίκτυα Αισθητήρων (PSN).

Τα νέα εικονικά μάτια ονομάζονται EyeSyn.

Εκπαίδευση Αλγορίθμων για να Λειτουργούν Όπως τα Μάτια

Η Maria Gorlatova είναι η βοηθός καθηγήτρια Ηλεκτρονικής και Υπολογιστικών Συστημάτων στο Πανεπιστήμιο Duke.

“Εάν σας ενδιαφέρει να ανακαλύψετε εάν ένας άνθρωπος διαβάζει ένα κόμικ ή προηγμένο λογοτεχνικό έργο μόνο με το να κοιτάξετε τα μάτια του, μπορείτε να το κάνετε,” είπε η Gorlatova.

“Αλλά η εκπαίδευση τέτοιου είδους αλγορίθμου απαιτεί δεδομένα από εκατοντάδες ανθρώπους που φορούν headsets για ώρες,” συνέχισε η Gorlatova. “Θέλαμε να αναπτύξουμε λογισμικό που όχι μόνο μειώνει τις ανησυχίες για την ιδιωτικότητα που συνδέονται με τη συλλογή αυτού του είδους δεδομένων, αλλά επίσης επιτρέπει σε μικρότερες εταιρείες που δεν έχουν αυτά τα επίπεδα πόρων να μπουν στο παιχνίδι του metaverse.”

Τα ανθρώπινα μάτια μπορούν να κάνουν πολλά πράγματα, όπως να δείχνουν εάν είμαστε βαρετοί ή ενθουσιασμένοι, πού είναι η εστίαση της προσοχής μας, ή εάν είμαστε ειδικοί σε μια συγκεκριμένη εργασία.

“Πού δίνετε προτεραιότητα στην όρασή σας λέει πολλά για εσάς ως άτομο,” είπε η Gorlatova. “Μπορεί να αποκαλύψει ασυναίσθητα σεξουαλικά και φυλετικά προκαταλήψεις, ενδιαφέροντα που δεν θέλουμε οι άλλοι να γνωρίζουν, και πληροφορίες που μπορεί να μην γνωρίζουμε ούτε εμείς οι ίδιοι.”

Τα δεδομένα κινήσεων ματιών είναι εξαιρετικά χρήσιμα για τις εταιρείες που κατασκευάζουν πλατφόρμες και λογισμικά στο metaverse. Μπορούν να επιτρέψουν στους développers να προσαρμόσουν το περιεχόμενο στις απαντήσεις των χρηστών ή να μειώσουν την ανάλυση στην περιφερειακή όραση, που μπορεί να σώσει υπολογιστική ισχύ.

Η ομάδα των επιστημόνων υπολογιστών, η οποία περιελάμβανε τον πρώην μεταδιδακτορικό συνεργάτη Guohao Lan και τον τρέχοντα φοιτητή διδακτορικού Tim Scargill, έθεσε ως στόχο να αναπτύξει τα εικονικά μάτια για να μιμηθούν τον τρόπο με τον οποίο ένας μέσος άνθρωπος ανταποκρίνεται σε διάφορους ερεθισμούς. Για να το κάνουν αυτό, εξέτασαν τη βιβλιογραφία της γνωστικής επιστήμης που διερευνά τον τρόπο με τον οποίο οι άνθρωποι βλέπουν τον κόσμο και επεξεργάζονται εικονικές πληροφορίες.

Ο Lan είναι τώρα βοηθός καθηγητής στο Πανεπιστήμιο της Δέλφτ στην Ολλανδία.

“Εάν δώσετε στο EyeSyn πολλά διαφορετικά ερεθίσματα και το εκτελέσετε αρκετές φορές, θα δημιουργήσετε ένα σύνολο συνθετικών κινήσεων ματιών που είναι αρκετά μεγάλο για να εκπαιδεύσετε einen ταξινομητή (machine learning) για ένα νέο πρόγραμμα,” είπε η Gorlatova.

Δοκιμή του Συστήματος

Οι ερευνητές δοκιμάζουν την ακρίβεια των συνθετικών ματιών με δημόσια διαθέσιμα δεδομένα. Τα μάτια πρώτα αναλύθηκαν για να εξετάσουν βίντεο του Δρ Anthony Fauci να διευθύνει την ενημέρωση του Τύπου κατά τη διάρκεια συνεντεύξεων Τύπου. Η ομάδα συνέκρινε τα δεδομένα με δεδομένα από τις κινήσεις ματιών πραγματικών θεατών. Επίσης, συνέκρινε ένα εικονικό σύνολο δεδομένων των συνθετικών ματιών που κοιτάζουν τέχνη με πραγματικά σύνολα δεδομένων που συλλέχθηκαν από ανθρώπους που κοιτάζουν μια εικονική πινακοθήκη. Τα αποτελέσματα έδειξαν ότι το EyeSyn μπορεί να αντιγράψει στενά τα διακριτά μοτίβα των πραγματικών σημάτων ματιών και να προσομοιώσει τους διαφορετικούς τρόπους με τους οποίους τα μάτια των ανθρώπων αντιδρούν.

Η Gorlatova λέει ότι αυτά τα αποτελέσματα δείχνουν ότι τα εικονικά μάτια είναι αρκετά καλά για τις εταιρείες να τα χρησιμοποιήσουν ως βάση για την εκπαίδευση νέων πλατφορμών και λογισμικών metaverse.

“Τα συνθετικά δεδομένα μόνα τους δεν είναι τέλεια, αλλά είναι μια καλή αφετηρία,” είπε η Gorlatova. “Μικρότερες εταιρείες μπορούν να τα χρησιμοποιήσουν αντί να ξοδεύουν χρόνο και χρήμα για να δημιουργήσουν τα δικά τους πραγματικά σύνολα δεδομένων (με ανθρώπινους υποκειμένους). Και επειδή η προσωποποίηση των αλγορίθμων μπορεί να γίνει σε τοπικά συστήματα, οι άνθρωποι δεν πρέπει να ανησυχούν ότι τα ιδιωτικά δεδομένα κινήσεων ματιών τους θα γίνουν μέρος μιας μεγάλης βάσης δεδομένων.”