Ռոբոտներ
Մարդու ուղեղի լույսի մշակման ունակությունը կարող է հանգեցնել ավելի լավ ռոբոտային զգայության
Մարդու ուղեղը հաճախ ծառայում է որպես արհեստական ինտելեկտի (AI) ոգեշնչում, և դա ևս մեկ դեպք է, երբ բանակի հետազոտողների թիմին հաջողվել է բարելավել ռոբոտային զգայությունը՝ նայելով, թե ինչպես է մարդու ուղեղը մշակում պայծառ ու հակապատկեր լույսը: Նոր զարգացումը կարող է նպաստել ինքնավար գործակալների և մարդկանց միջև համագործակցությանը:
Ըստ հետազոտողների, մեքենայական զգայության համար կարևոր է արդյունավետ լինել փոփոխվող միջավայրերում, ինչը հանգեցնում է ինքնավարության զարգացմանը:
Հետազոտությունը հրապարակվել է Գ Vision ամսագիր.
100,000-ից 1 ցուցադրման հնարավորություն
Անդրե Հարիսոնը ԱՄՆ բանակի մարտական հնարավորությունների զարգացման հրամանատարության բանակի հետազոտական լաբորատորիայի գիտաշխատող է:
«Երբ մենք մշակում ենք մեքենայական ուսուցման ալգորիթմներ, իրական աշխարհի պատկերները սովորաբար սեղմվում են ավելի նեղ տիրույթում, ինչպես դա անում է բջջային հեռախոսի տեսախցիկը, մի գործընթացում, որը կոչվում է տոնային քարտեզ», - ասաց Հարիսոնը: «Սա կարող է նպաստել մեքենայական տեսողության ալգորիթմների փխրունությանը, քանի որ դրանք հիմնված են արհեստական պատկերների վրա, որոնք այնքան էլ չեն համապատասխանում իրական աշխարհում մեր տեսած օրինաչափություններին»:
Հետազոտողների թիմը մշակել է 100,000-ից 1 ցուցադրման հնարավորություն ունեցող համակարգ, որը թույլ է տվել նրանց պատկերացում կազմել իրական աշխարհում ուղեղի հաշվողական գործընթացի մասին: Ըստ Հարիսոնի, դա թիմին թույլ է տվել կենսաբանական առաձգականություն կիրառել սենսորների մեջ:
Ներկայիս տեսողության ալգորիթմները դեռ երկար ճանապարհ ունեն անցնելու մինչև իդեալական դառնալը: Սա կապված է լուսավորության սահմանափակ տիրույթի հետ՝ մոտավորապես 100-ից 1 հարաբերակցությամբ, քանի որ ալգորիթմները հիմնված են համակարգչային մոնիտորներով մարդկանց և կենդանիների ուսումնասիրությունների վրա: 100-ը-1 հարաբերակցությունը ավելի քիչ է, քան իդեալական է իրական աշխարհում, որտեղ տատանումները կարող են հասնել մինչև 100,000-ը-1-ի: Այս բարձր հարաբերակցությունը կոչվում է բարձր դինամիկ միջակայք կամ HDR:
Դոկտոր Չոու Պո Հունգը բանակի հետազոտող է:
«Լույսի փոփոխությունները և զգալի փոփոխությունները կարող են մարտահրավեր նետել բանակային համակարգերին. անտառային ծածկի տակ թռչող անօդաչու թռչող սարքերը կարող են շփոթվել արտացոլման փոփոխություններով, երբ քամին փչում է տերևների միջով, կամ ինքնավար մեքենաները, որոնք վարում են կոշտ տեղանքով, կարող են չճանաչել փոսերը կամ այլ խոչընդոտներ, քանի որ լուսավորության պայմանները մի փոքր տարբերվում է նրանցից, որոնց տեսողության ալգորիթմները վերապատրաստվել են», - ասաց Հունգը:
Մարդու ուղեղի սեղմման կարողությունը
Մարդու ուղեղն ի վիճակի է ավտոմատ կերպով սեղմել 100,000-ից 1 մուտքագրումը ավելի նեղ միջակայքում, և դա այն է, ինչը թույլ է տալիս մարդկանց մեկնաբանել ձևը: Հետազոտողների թիմը սկսել է հասկանալ այս գործընթացը՝ ուսումնասիրելով վաղ տեսողական մշակումը HDR-ի ներքո: Թիմը նայեց դեպի պարզ առանձնահատկություններ, ինչպիսիք են HDR լուսավորությունը:
«Ուղեղն ունի ավելի քան 30 տեսողական տարածք, և մենք դեռ ունենք միայն տարրական պատկերացում այն մասին, թե ինչպես են այդ հատվածները վերամշակում աչքի պատկերը 3D ձևի ընկալման համար», - շարունակեց Հունգը: «HDR լուսավորության ուսումնասիրությունների հետ կապված մեր արդյունքները, որոնք հիմնված են մարդու վարքագծի և գլխամաշկի ձայնագրությունների վրա, ցույց են տալիս, թե իրականում որքան քիչ գիտենք այն մասին, թե ինչպես կարելի է կամրջել լաբորատորիայից մինչև իրական միջավայր: Բայց այս բացահայտումները մեզ դուրս են հանում այդ տուփից՝ ցույց տալով, որ ստանդարտ համակարգչային մոնիտորներից մեր նախկին ենթադրությունները իրական աշխարհին ընդհանրանալու սահմանափակ կարողություն ունեն, և դրանք բացահայտում են սկզբունքներ, որոնք կարող են ուղղորդել մեր մոդելավորումը դեպի ճիշտ մեխանիզմներ»:
Բացահայտելով, թե ինչպես են լույսի և կոնտրաստի եզրերը փոխազդում ուղեղի տեսողական պատկերում, ալգորիթմներն ավելի արդյունավետ կլինեն իրական աշխարհի լուսավորության ներքո 3D աշխարհը վերականգնելու համար: 3D տեղեկատվությունից 2D ձևը գնահատելիս միշտ կան երկիմաստություններ, բայց այս նոր հայտնագործությունը թույլ է տալիս դրանք շտկել:
«Միլիոնավոր տարիների էվոլյուցիայի ընթացքում մեր ուղեղը մշակել է արդյունավետ դյուրանցումներ՝ 3D տեղեկատվությունից 2D-ը վերականգնելու համար», - ասաց Հունգը: «Դա տասնամյակների վաղեմություն ունեցող խնդիր է, որը շարունակում է մարտահրավեր նետել մեքենայական տեսողության գիտնականներին՝ նույնիսկ AI-ի վերջին առաջընթացների դեպքում»:
Թիմի հայտնագործությունը կարևոր է նաև արհեստական ինտելեկտի սարքերի զարգացման համար, ինչպիսիք են ռադարը և խոսքի հեռակառավարման ընկալումը, որոնք օգտագործում են դինամիկ տիրույթի լայն հայտնաբերում:
«Դինամիկ տիրույթի խնդիրը պարզապես զգայական խնդիր չէ», - ասաց Հունգը: «Դա կարող է նաև լինել ավելի ընդհանուր խնդիր ուղեղի հաշվարկման մեջ, քանի որ առանձին նեյրոններն ունեն տասնյակ հազարավոր մուտքեր: Ինչպե՞ս եք կառուցում ալգորիթմներ և ճարտարապետություններ, որոնք կարող են լսել ճիշտ մուտքերը տարբեր համատեքստերում: Հուսով ենք, որ այս խնդրի վրա զգայական մակարդակով աշխատելով՝ կարող ենք հաստատել, որ ճիշտ ուղու վրա ենք, որպեսզի կարողանանք ունենալ ճիշտ գործիքներ, երբ մենք կառուցենք ավելի բարդ Als»:
