मानव मस्तिष्क की प्रकाश प्रसंस्करण क्षमता बेहतर रोबोटिक संवेदन में मदद कर सकती है

मानव मस्तिष्क अक्सर कृत्रिम बुद्धिमत्ता (एआई) के लिए प्रेरणा का स्रोत होता है, और यह मामला एक बार फिर से है क्योंकि सेना के शोधकर्ताओं की एक टीम ने मानव मस्तिष्क द्वारा उज्ज्वल और विपरीत प्रकाश को कैसे संसाधित किया जाता है, इसे देखकर रोबोटिक संवेदन में सुधार किया है। यह नया विकास स्वायत्त एजेंटों और मानवों के बीच सहयोग में मदद कर सकता है।

शोधकर्ताओं के अनुसार, मशीन संवेदन को बदलते वातावरण में प्रभावी होने के लिए यह महत्वपूर्ण है, जो स्वायत्तता में विकास की ओर ले जाता है।

इस शोध को जर्नल ऑफ विजन में प्रकाशित किया गया है।

100,000 से 1 प्रदर्शन क्षमता

अंड्रे हैरिसन सेना अनुसंधान प्रयोगशाला के एक शोधकर्ता हैं।

“जब हम मशीन लर्निंग एल्गोरिदम विकसित करते हैं, तो वास्तविक दुनिया की छवियों को आमतौर पर एक संकीर्ण श्रृंखला में संकुचित किया जाता है, जैसा कि एक सेल फोन कैमरा करता है, जिसे टोन मैपिंग प्रक्रिया कहा जाता है,” हैरिसन ने कहा। “यह मशीन दृष्टि एल्गोरिदम की नाजुकता में योगदान कर सकता है क्योंकि वे कृत्रिम छवियों पर आधारित होते हैं जो वास्तविक दुनिया में हम जो देखते हैं उसके पैटर्न से मेल नहीं खाते हैं।”

शोधकर्ताओं की टीम ने 100,000 से 1 प्रदर्शन क्षमता वाला एक प्रणाली विकसित की, जिससे उन्हें वास्तविक दुनिया में मस्तिष्क की गणना प्रक्रिया में अंतर्दृष्टि प्राप्त करने में मदद मिली। हैरिसन के अनुसार, इससे टीम को सेंसर में जैविक लचीलापन लागू करने में मदद मिली।

वर्तमान दृष्टि एल्गोरिदम अभी भी आदर्श बनने से पहले एक लंबा सफर तय करना है। इसका कारण प्रकाश की सीमित श्रृंखला है, जो लगभग 100 से 1 के अनुपात में, कंप्यूटर मॉनिटर के साथ मानव और जानवरों के अध्ययन पर आधारित है। 100 से 1 का अनुपात वास्तविक दुनिया में कम से कम आदर्श है, जहां परिवर्तन 100,000 से 1 तक हो सकता है। इस उच्च अनुपात को उच्च गतिशील श्रृंखला या एचडीआर कहा जाता है।

डॉ चौ पो हंग सेना के एक शोधकर्ता हैं।

“प्रकाश में परिवर्तन और महत्वपूर्ण परिवर्तन सेना प्रणालियों को चुनौती दे सकते हैं – जंगल के नीचे उड़ने वाले ड्रोन पत्तियों के माध्यम से हवा के परिवर्तन से भ्रमित हो सकते हैं, या स्वायत्त वाहन जो कठिन भूमि पर चल रहे हैं उन्हें पotholes या अन्य बाधाओं को नहीं पहचान सकते हैं क्योंकि प्रकाश की स्थिति उनके दृष्टि एल्गोरिदम के लिए प्रशिक्षित की तुलना में थोड़ी अलग है,” हंग ने कहा।

मानव मस्तिष्क की संपीड़न क्षमता

मानव मस्तिष्क 100,000 से 1 इनपुट को स्वचालित रूप से एक संकीर्ण श्रृंखला में संकुचित करने में सक्षम है, और यही हमें आकार की व्याख्या करने की अनुमति देता है। शोधकर्ताओं की टीम ने इस प्रक्रिया को समझने के लिए एचडीआर के तहत प्रारंभिक दृश्य प्रसंस्करण का अध्ययन किया। टीम ने सरल विशेषताओं जैसे एचडीआर प्रकाशमिति की ओर देखा।

“मस्तिष्क में 30 से अधिक दृश्य क्षेत्र हैं, और हम अभी भी इन क्षेत्रों को आंख की छवि को 3डी आकार में कैसे संसाधित करते हैं, इसकी केवल एक मूलभूत समझ रखते हैं,” हंग ने जारी रखा। “हमारे एचडीआर प्रकाशमिति अध्ययन, मानव व्यवहार और खोपड़ी रिकॉर्डिंग पर आधारित, दिखाते हैं कि हम वास्तव में कितना कम जानते हैं कि प्रयोगशाला से वास्तविक दुनिया के वातावरण में कैसे पुल बनाया जाए। लेकिन, ये निष्कर्ष हमें उस बॉक्स से बाहर निकालते हैं, जो दिखाता है कि हमारे पिछले मानक कंप्यूटर मॉनिटर से हमारे अनुमानों की वास्तविक दुनिया में सामान्यीकरण करने की सीमित क्षमता है, और वे सिद्धांतों को प्रकट करते हैं जो हमारे मॉडलिंग को सही तंत्र की ओर मार्गदर्शन कर सकते हैं।”

मस्तिष्क के दृश्य प्रतिनिधित्व में प्रकाश और कंट्रास्ट किनारों के बीच कैसे परस्पर क्रिया करते हैं, यह जानने से एल्गोरिदम वास्तविक दुनिया के प्रकाशमिति के तहत 3डी दुनिया का पुनर्निर्माण करने में अधिक प्रभावी होंगे। 2डी जानकारी से 3डी आकार का अनुमान लगाने में, हमेशा अस्पष्टताएं होती हैं, लेकिन यह नई खोज उन्हें सुधारने में मदद करती है।

“लाखों वर्षों के विकास के माध्यम से, हमारे मस्तिष्क ने 2डी जानकारी से 3डी का पुनर्निर्माण करने के लिए प्रभावी शॉर्टकट विकसित किए हैं,” हंग ने कहा। “यह एक दशक पुरानी समस्या है जो मशीन दृष्टि वैज्ञानिकों को चुनौती देती है, यहां तक कि एआई में हाल की प्रगति के साथ भी।”

टीम की खोज रडार और दूरस्थ भाषा समझ जैसे वाइड डायनामिक रेंज सेंसिंग का उपयोग करने वाले एआई उपकरणों के विकास के लिए भी महत्वपूर्ण है।

“गतिशील श्रृंखला का मुद्दा केवल एक संवेदन समस्या नहीं है,” हंग ने कहा। “यह मस्तिष्क गणना में एक अधिक सामान्य समस्या हो सकती है क्योंकि व्यक्तिगत न्यूरॉन में दस हजारों इनपुट होते हैं। आप विभिन्न संदर्भों में सही इनपुट को सुनने में सक्षम एल्गोरिदम और वास्तुकला कैसे बनाते हैं? हम आशा करते हैं कि इस समस्या पर संवेदी स्तर पर काम करके, हम यह पुष्टि कर सकते हैं कि हम सही रास्ते पर हैं, ताकि जब हम अधिक जटिल एआई बनाएं, तो हमारे पास सही उपकरण हों।”