1枚の写真から200種類の鳥を識別できるコンピューター

デューク大学の研究者は、機械学習を使用して、コンピューターを200種類以上の鳥を識別できるようにしました。コンピューターは、識別プロセスを完了するために、1枚の写真だけが必要です。人間の場合、別々の種を識別するには、鳥を見るのに何年もかかることがよくあります。

この研究は、デューク大学のコンピューター科学の博士課程の学生であるChaofan Chenと、学部生のOscar Liによって行われました。また、デューク大学の教授であるCynthia Rudinが指揮するPrediction Analysis Labの他のチームメンバーも参加しました。

AIがその考えを示す

識別プロセスは印象的ですが、開発のより重要な側面があります。AIは、その考えを示すことができ、経験のない鳥の観察者でもプロセスを理解できるようにします。

深層ニューラルネットワーク、または脳の働きに基づくアルゴリズムは、11,788枚の写真で訓練されました。写真には、200種類以上の鳥が含まれており、鴨からハチドリまで様々な種類が含まれていました。

研究者は、ネットワークを特にくちばしや翼の羽を識別するように訓練する必要はありませんでした。代わりに、ネットワークは鳥の写真を取り込み、画像内の特定のパターンを識別することができます。次に、そのパターンを取り込み、以前に出会った典型的な種の特徴と識別することができます。

チームによると、ネットワークは特定の特徴を識別する一連のヒートマップを作成します。たとえば、普通のヤマヒバリとフードヤマヒバリを識別し、覆われた頭や黄色の腹などの特徴を示すことができます。次に、これらの特徴が識別の理由であることを示します。

他のシステムとは異なる

ニューラルネットワークは、正しい種を84%の確率で識別することができました。これは、一部の最も優れたシステムと同等の性能です。違いは、これらのシステムが思考プロセスを説明しないことです。

Rudinによると、このプロジェクトの最も革命的な側面は、深層ニューラルネットワークが画像を見たときに何を見ているかを視覚化することです。

この技術は現在、ソーシャルメディアサイトで使用されており、監視カメラで疑わしい犯罪者を識別し、自律走行車が交通信号や歩行者を識別するのに役立ちます。

深層学習ソフトウェアは、通常、データから学習するために明示的にプログラムする必要はありませんが、プロセスは常に明確または表示されないため、アルゴリズムが画像を分類するときに「考える」方法を説明することは困難です。

将来

Rudinや他の研究者は現在、新しい深層学習モデルを開発中であり、AIの分野を前進させています。これらのモデルは、その推論と識別プロセスを説明することができます。これにより、研究者は始めから終わりまで見ることができ、間違いや問題の理由をより簡単に識別することができます。

Rudinと彼女のチームは、アルゴリズムを医療分野で使用することを目指しています。医療画像、たとえば乳房X線写真内の特定の問題領域を識別することができます。これにより、医療専門家は、腫瘍、石灰化、または乳腺癌の他の兆候を検出することができます。

Rudinによると、ネットワークは医師が診断を下す方法を模倣しています。

「これは事例ベースの推論です」とRudinは述べました。「私たちは、ネットワークが画像を悪性または良性として分類した理由を医師や患者によりよく説明できることを希望しています」

チームは、研究を含む論文を、バンクーバーで開催される第33回ニューラル情報処理システム会議（NeurlIPS2019）で発表する予定です。

この研究には、デューク大学のDaniel TaoとAlina Barnerr、MITリンカーン研究所のJonathan Suも参加しています。