Calculator care poate identifica 200 de specii de păsări dintr-o singură fotografie

Cercetătorii de la Universitatea Duke au utilizat învățarea automată pentru a antrena un calculator să identifice până la 200 de specii diferite de păsări. Calculatorul necesită doar o fotografie pentru a finaliza procesul de identificare. Pentru un om, sunt necesari ani de observare a păsărilor pentru a putea identifica diferitele specii unele de altele.

Cercetarea a fost condusă de studentul doctorand în informatică Chaofan Chen de la Universitatea Duke, împreună cu studentul undergraduate Oscar Li. A fost lucrat și de alți membri ai echipei Prediction Analysis Lab, condusă de profesoara Cynthia Rudin de la Universitatea Duke.

Inteligența Artificială Arată Cum Gândește

În timp ce procesul de identificare este impresionant, există un aspect și mai important al dezvoltărilor. Inteligența Artificială este capabilă să arate cum gândește, permițând chiar și unui observator de păsări inexperiențiat să înțeleagă procesul.

Rețeaua neurală profundă, sau algoritmii care se bazează pe funcționarea creierului, au fost antrenați cu 11.788 de fotografii. Fotografiile includeau 200 de specii diferite de păsări, de la rațe la colibri.

Echipa de cercetători nu a trebuit să antreneze în mod special rețeaua pentru a identifica ciocurile sau penele de aripi. În schimb, rețeaua este capabilă să ia o fotografie a unei păsări și să identifice anumite modele în imagine. Apoi, poate lua aceste modele și să le identifice cu modele anterioare pe care le-a întâlnit în trăsăturile speciei.

Conform echipei, rețeaua creează apoi o serie de hărți de căldură care identifică anumite trăsături. De exemplu, poate face diferența între o vrabie obișnuită și o vrabie cu glugă, împreună cu trăsăturile diferite, cum ar fi o capă acoperită și o burtă galbenă. Apoi, arată că aceste trăsături sunt cele care au condus la identificare.

În Contrast Cu Alte Sisteme

Rețeaua neurală a fost capabilă să identifice specia corectă până la 84% din timp. Acest lucru este similar cu unele dintre cele mai bune sisteme. Diferența este că aceste sisteme nu explică procesul de gândire în acest fel.

Conform lui Rudin, aspectul cel mai revoluționar al acestui proiect este că oferă o vizualizare a ceea ce văd rețelele neurale profunde atunci când privesc o imagine.

Această tehnologie este utilizată și în prezent pe site-urile de socializare, pentru a identifica suspecți în camerele de supraveghere și pentru a ajuta vehiculele autonome să identifice semnele de circulație și pietonii.

Software-ul de învățare profundă nu necesită să fie programat în mod explicit pentru a învăța din date, ceea ce nu este cazul software-ului tradițional. Cu toate acestea, procesul nu este întotdeauna clar sau arătat, astfel încât este adesea dificil de explicat cum algoritmii “gândesc” atunci când clasifică o imagine.

În Viitor

Rudin și alții lucrează în prezent la noi modele de învățare profundă pentru Inteligența Artificială, împingând domeniul înainte. Noile modele pot explica raționamentul și procesul de identificare. Acest lucru ajută cercetătorii să vadă de la început până la sfârșit și face mai ușor să identifice motivul din spatele unei greșeli sau a unei probleme.

Rudin și echipa sa vor lucra la utilizarea algoritmului în domeniul medical. Acesta poate identifica anumite zone problematice în imagini medicale, cum ar fi mamografii. Acest lucru ar ajuta profesioniștii medicali să detecteze noduli, calcificări și alte semne de cancer mamar.

Conform lui Rudin, rețeaua imită modul în care medicii fac un diagnostic.

“Este vorba de raționament bazat pe cazuri”, a spus Rudin. “Sperăm că putem explica mai bine medicilor sau pacienților de ce imaginea lor a fost clasificată de rețea ca fiind malignă sau benignă.”

Echipa va prezenta un articol care include cercetarea lor la Conferința a 33-a pe Sisteme de Procesare a Informațiilor Neuronale (NeurlIPS2019) de la Vancouver pe 12 decembrie.

Studiul include și autorii Daniel Tao și Alina Barnerr de la Duke și Jonathan Su de la Laboratorul Lincoln al MIT.