Datamaskin i stand til å identifisere 200 fuglearter fra ett bilde

Forskere fra Duke University har brukt maskinlæring for å trene en datamaskin til å identifisere opptil 200 forskjellige fuglearter. Datamaskinen trenger bare ett bilde for å fullføre identifiseringsprosessen. For en menneske er det ofte nødvendig med år med fuglekikkning for å kunne identifisere forskjellige arter fra hverandre.

Forskningen ble ledet av Duke computer science Ph.D.-student Chaofan Chen, sammen med undergraduate Oscar Li. Det ble også arbeidet med av andre teammedlemmer fra Prediction Analysis Lab, ledet av Duke-professor Cynthia Rudin.

Kunstig intelligens viser sitt tenkende

Selv om identifiseringsprosessen er imponerende, er det en viktigere aspekt av utviklingen. Kunstig intelligens er i stand til å vise sitt tenkende, noe som gjør det mulig for selv en uerfaren fuglekikker å forstå prosessen.

Det dype neurale nettverket, eller algoritmene som er basert på hjernens funksjon, ble trent med 11 788 bilder. Bildene inkluderte 200 forskjellige fuglearter, inkludert alt fra ender til kolibrier.

Forskerlaget trengte ikke å spesifikt trene nettverket til å identifisere nebb eller vingefjær. I stedet er nettverket i stand til å ta et bilde av en fugl og identifisere bestemte mønster i bildet. Det kan deretter ta disse mønsterene og identifisere tidligere mønster som det allerede har møtt i typiske artstrekk.

Ifølge teamet skaper nettverket deretter en rekke varmebilder som identifiserer bestemte trekk. For eksempel kan det skille mellom en vanlig sangfugl og en hooded warbler, samt forskjellige trekk som en maskert hode og en gul buk. Det viser deretter at disse trekkene er hva som ledet til identifiseringen.

I motsetning til andre systemer

Neuralt nettverk var i stand til å identifisere den riktige arten opptil 84% av gangene. Dette er lignende til noen av de beste systemene. Forskjellen er at disse systemene ikke forklarer tenkingsprosessen på samme måte som dette.

Ifølge Rudin er prosjektets mest revolusjonære aspekt at det gir visualisering for hva dype neurale nettverk ser når de ser på et bilde.

Denne teknologien brukes også for tiden på sosiale medier for å identifisere mistenkte kriminelle i overvåkingskameraer og hjelpe selvstyrte kjøretøy med å identifisere trafikklys og fotgjengere.

Dyp læringsprogramvare trenger ofte ikke å bli eksplisitt programmert for å lære fra data, noe som ikke er tilfelle for tradisjonell programvare. Imidlertid er prosessen ikke alltid klar eller vist, så det er ofte vanskelig å forklare hvordan algoritmene “tenker” når de klassifiserer et bilde.

I fremtiden

Rudin og andre arbeider for tiden med nye dype læringsmodeller for kunstig intelligens, og driver feltet fremover. De nye modellene kan forklare sin begrunnelse og identifiseringsprosess. Dette hjelper forskerne med å se fra start til slutt, og gjør det enklere å identifisere årsaken til en feil eller problem.

Rudin og hennes team vil arbeide med å bruke algoritmen i det medisinske feltet. Den kan identifisere bestemte problemområder innen medisinske bilder som mammogrammer. Dette vil hjelpe medisinske fagfolk med å oppdage knuter, kalkifiseringer og andre tegn på brystkreft.

Ifølge Rudin mimrer nettverket måten leger gjør en diagnose på.

“Det er basert på saksbasert resonnement,” sa Rudin. “Vi håper vi kan forklare bedre til leger eller pasienter hvorfor deres bilde ble klassifisert av nettverket som enten maligne eller benigne.”

Teamet vil presentere en rapport som inkluderer deres forskning på den tredje konferansen om neurale informasjonsbehandlingsystemer (NeurlIPS2019) i Vancouver den 12. desember.

Studien inkluderer også forfattere Daniel Tao og Alina Barnerr fra Duke og Jonathan Su fra MIT Lincoln Laboratory.