Компјутер може да идентификува 200 видови птици од една фотографија

Истражувачите од Универзитетот Дјук користеле машинско учење со цел да обучат компјутер да идентификува до 200 различни видови птици. На компјутерот му е потребна само една фотографија за да го заврши процесот на идентификација. За човекот, честопати се потребни години набљудување птици за да може да идентификува различни видови едни од други. 

Истражувањето беше предводено од Дјук компјутерски науки д-р. студентот Чаофан Чен, заедно со додипломскиот Оскар Ли. На него работеа и други членови на тимот на Лабораторијата за анализа на предвидувања, во режија на професорката Дјук Синтија Рудин. 

Вештачката интелигенција го покажува своето размислување

Иако процесот на идентификација е импресивен, има уште поважен аспект на развојот. Вештачката интелигенција може да го покаже своето размислување, дозволувајќи дури и на неискусен набљудувач на птици да го разбере процесот. 

Длабоката невронска мрежа, или алгоритми кои се базираат на работата на мозокот, беа обучени со 11,788 фотографии. Фотографиите вклучуваа 200 различни видови птици, вклучувајќи сè, од патки до колибри. 

Тимот истражувачи не мораше конкретно да ја тренира мрежата за да идентификува клунови или пердуви на крилата. Наместо тоа, мрежата може да фотографира птица и да идентификува одредени обрасци на сликата. Потоа може да ги земе тие обрасци и да ги идентификува претходните обрасци со кои веќе се сретнал кај типичните карактеристики на видовите. 

Според тимот, мрежата потоа создава серија топлински мапи кои идентификуваат одредени особини. На пример, може да ја направи разликата помеѓу обична чорбала и чорбаџи со качулка, заедно со различните карактеристики како маскирана глава и жолт стомак. Потоа покажува дека овие карактеристики се она што довело до идентификација. 

За разлика од другите системи

Невронската мрежа можеше да ги идентификува точните видови до 84% од времето. Ова е слично на некои од системите со најдобри перформанси. Разликата е во тоа што тие системи не го објаснуваат процесот на размислување како овој. 

Според Рудин, најреволуционерниот аспект на овој проект е тоа што обезбедува визуелизација на она што длабоките невронски мрежи го гледаат кога гледаат на слика. 

Оваа технологија моментално се користи и на сајтовите на социјалните медиуми, за да се идентификуваат осомничените криминалци во надзорните камери и да им се помогне на автономните возила да ги идентификуваат семафорите и пешаците. 

Софтверот за длабоко учење често не бара да биде експлицитно програмиран за да учи од податоци, што не е случај за традиционалниот софтвер. Сепак, процесот не е секогаш јасен или прикажан, па често е тешко да се објасни како алгоритмите „размислуваат“ при класифицирање на слика. 

Во иднина

Рудин и другите моментално работат на нови модели за длабоко учење за вештачката интелигенција, туркајќи го полето напред. Новите модели можат да го објаснат нивниот процес на расудување и идентификација. Ова им помага на истражувачите да гледаат од почеток до крај и го олеснува идентификувањето на причината зад грешката или проблемот. 

Рудин и нејзиниот тим ќе работат на користење на алгоритмот во медицинската област. Тоа би можело да идентификува одредени проблематични области во медицинските слики како мамограми. Ова ќе им помогне на медицинските професионалци да откријат грутки, калцификати и други знаци на рак на дојка. 

Според Рудин, мрежата го имитира начинот на кој лекарите поставуваат дијагноза. 

„Тоа е случајно расудување“, рече Рудин. „Се надеваме дека ќе можеме подобро да им објасниме на лекарите или пациентите зошто нивната слика беше класифицирана од мрежата како малигна или бенигна“.

Тимот ќе претстави труд со нивното истражување на Триесет и третата конференција за системи за обработка на невронски информации (NeurlIPS2019) во Ванкувер на 12 декември. 

Студијата ги вклучува и авторите Даниел Тао и Алина Барнер од Дјук и Џонатан Су од лабораторијата MIT Lincoln.