कंप्यूटर एक फोटो से 200 प्रजातियों के पक्षियों की पहचान करने में सक्षम

ड्यूक विश्वविद्यालय के शोधकर्ताओं ने मशीन लर्निंग का उपयोग करके एक कंप्यूटर को 200 विभिन्न प्रजातियों के पक्षियों की पहचान करने के लिए प्रशिक्षित किया। कंप्यूटर को पहचान प्रक्रिया पूरी करने के लिए केवल एक फोटो की आवश्यकता होती है। एक मानव के लिए, विभिन्न प्रजातियों को एक दूसरे से पहचानने के लिए अक्सर पक्षी देखने के वर्षों की आवश्यकता होती है।

शोध का नेतृत्व ड्यूक कंप्यूटर साइंस पीएचडी छात्र चाओफान चेन और स्नातक ऑस्कर ली ने किया था। यह ड्यूक प्रोफेसर सिंथिया रुडिन द्वारा निर्देशित प्रेडिक्शन एनालिसिस लैब के अन्य टीम सदस्यों द्वारा भी किया गया था।

एआई अपनी सोच दिखा रहा है

पहचान प्रक्रिया प्रभावशाली होने के बावजूद, विकास का एक और महत्वपूर्ण पहलू है। एआई अपनी सोच दिखाने में सक्षम है, जिससे अनुभवहीन पक्षी देखने वाले को प्रक्रिया को समझने में मदद मिलती है।

गहरे न्यूरल नेटवर्क, या मस्तिष्क के कार्यों पर आधारित एल्गोरिदम, 11,788 फोटो के साथ प्रशिक्षित किए गए थे। फोटो में 200 विभिन्न प्रजातियों के पक्षी शामिल थे, जिनमें बतख से लेकर कोलिब्री तक शामिल थे।

शोधकर्ताओं की टीम को विशेष रूप से नेटवर्क को चोंच या पंख के पंखों की पहचान करने के लिए प्रशिक्षित करने की आवश्यकता नहीं थी। इसके बजाय, नेटवर्क एक पक्षी की फोटो लेने और छवि में कertain पैटर्न की पहचान करने में सक्षम है। यह तब उन पैटर्न को ले सकता है और पहले से ही मुलाकात की गई पैटर्न की पहचान कर सकता है जो कि विशिष्ट प्रजाति विशेषताओं में हैं।

टीम के अनुसार, नेटवर्क तब कertain विशेषताओं की पहचान करने वाले हीट मैप की एक श्रृंखला बनाता है। उदाहरण के लिए, यह एक साधारण युद्धपथ और एक हुड वाले युद्धपथ के बीच अंतर बता सकता है, साथ ही विभिन्न विशेषताओं जैसे कि मास्क वाले सिर और पीले पेट के साथ। यह तब यह दिखाता है कि इन विशेषताओं ने पहचान का नेतृत्व किया।

अन्य प्रणालियों के विपरीत

न्यूरल नेटवर्क 84% समय तक सही प्रजाति की पहचान करने में सक्षम था। यह कुछ सर्वश्रेष्ठ प्रदर्शन करने वाली प्रणालियों के समान है। अंतर यह है कि वे प्रणालियां इस तरह से सोच प्रक्रिया की व्याख्या नहीं करती हैं।

रुडिन के अनुसार, इस परियोजना का सबसे क्रांतिकारी पहलू यह है कि यह गहरे न्यूरल नेटवर्क द्वारा देखी जाने वाली छवि के लिए दृश्य प्रदान करता है।

यह तकनीक वर्तमान में सोशल मीडिया साइट्स पर, संदिग्ध अपराधियों को निगरानी कैमरों में पहचानने के लिए, और स्वायत्त वाहनों को यातायात संकेतों और पैदल यात्रियों की पहचान करने में मदद करने के लिए उपयोग की जा रही है।

गहरे शिक्षण सॉफ्टवेयर को अक्सर डेटा से सीखने के लिए विशेष रूप से प्रोग्राम करने की आवश्यकता नहीं होती है, जो कि पारंपरिक सॉफ्टवेयर के लिए नहीं है। हालांकि, प्रक्रिया हमेशा स्पष्ट या दिखाई नहीं देती है, इसलिए यह अक्सर मुश्किल होता है कि एल्गोरिदम “सोचते” हैं जब वे एक छवि को वर्गीकृत करते हैं।

भविष्य में

रुडिन और अन्य वर्तमान में एआई के लिए नए गहरे शिक्षण मॉडल पर काम कर रहे हैं, जो क्षेत्र को आगे बढ़ा रहे हैं। नए मॉडल अपने तर्क और पहचान प्रक्रिया की व्याख्या कर सकते हैं। यह शोधकर्ताओं को शुरू से अंत तक देखने में मदद करता है, और यह गलती या समस्या के पीछे के कारण की पहचान करना आसान बनाता है।

रुडिन और उनकी टीम चिकित्सा क्षेत्र में एल्गोरिदम का उपयोग करने पर काम करेंगे। यह मेडिकल इमेज जैसे मैमोग्राम में समस्या क्षेत्रों की पहचान कर सकता है। यह चिकित्सा पेशेवरों को स्तन कैंसर के संकेतों जैसे गांठ, कैल्सीफिकेशन और अन्य का पता लगाने में मदद करेगा।

रुडिन के अनुसार, नेटवर्क डॉक्टरों द्वारा निदान करने के तरीके की नकल करता है।

“यह मामला-आधारित तर्क है,” रुडिन ने कहा। “हमें उम्मीद है कि हम डॉक्टरों या रोगियों को समझा सकते हैं कि उनकी छवि को नेटवर्क द्वारा क्यों वर्गीकृत किया गया है या नहीं।”

टीम अपने शोध के बारे में एक पेपर प्रस्तुत करेगी जिसमें वैंकूवर में 12 दिसंबर को न्यूरल इंफॉर्मेशन प्रोसेसिंग सिस्टम्स (न्यूरलआईपीएस2019) के तीस-तीसरे सम्मेलन में शामिल होंगे।

अध्ययन में ड्यूक के डैनियल टाओ और अलीना बार्नेर और एमआईटी लिंकन लेबोरेटरी के जोनाथन सू भी शामिल हैं।