Способность человеческого мозга обрабатывать свет может привести к улучшению робототехники

Человеческий мозг часто служит источником вдохновения для искусственного интеллекта (ИИ), и это снова происходит, когда команда исследователей армии США смогла улучшить робототехнику, изучая, как человеческий мозг обрабатывает яркий и контрастный свет. Это новое развитие может привести к сотрудничеству между автономными агентами и людьми.

По мнению исследователей, важно, чтобы машинное восприятие было эффективным в меняющихся средах, что приводит к разработкам в автономности.

Исследование было опубликовано в Журнале зрения.

Способность отображения 100 000:1

Андре Харрисон – исследователь в Команде разработки боевых возможностей армии США.

«Когда мы разрабатываем алгоритмы машинного обучения, реальные изображения обычно сжимаются до более узкого диапазона, как это делает камера мобильного телефона, в процессе, называемом тоновой картой», – сказал Харрисон. «Это может способствовать хрупкости алгоритмов машинного зрения, поскольку они основаны на искусственных изображениях, которые не совсем соответствуют закономерностям, которые мы видим в реальном мире».

Команда исследователей разработала систему со способностью отображения 100 000:1, что позволило им получить представление о процессе вычислений мозга в реальном мире. По словам Харрисона, это позволило команде реализовать биологическую устойчивость в датчиках.

Текущие алгоритмы зрения еще имеют долгий путь, прежде чем они станут идеальными. Это связано с ограниченным диапазоном яркости, примерно в 100:1, из-за того, что алгоритмы основаны на исследованиях человека и животных с использованием компьютерных мониторов. Соотношение 100:1 является менее чем идеальным в реальном мире, где вариация может достигать 100 000:1. Это высокое соотношение называется высоким динамическим диапазоном, или HDR.

Доктор Чоу По Хунг – исследователь армии.

«Изменения и значительные вариации света могут представлять проблему для систем армии – беспилотные летательные аппараты, летящие под лесным пологом, могут быть сбиты с толку изменениями отражения, когда ветер проносится через листья, или автономные транспортные средства, движущиеся по неровной местности, могут не распознавать ямы или другие препятствия, поскольку условия освещения немного отличаются от тех, на которых были обучены их алгоритмы зрения», – сказал Хунг.

Способность человеческого мозга сжимать

Человеческий мозг способен автоматически сжимать вход 100 000:1 в более узкий диапазон, и это позволяет людям интерпретировать форму. Команда исследователей попыталась понять этот процесс, изучая раннюю обработку зрения при HDR. Команда обратилась к простым особенностям, таким как HDR-яркость.

«Мозг имеет более 30 зон зрения, и мы все еще имеем только базовое понимание того, как эти зоны обрабатывают изображение глаза в понимание 3D-формы», – продолжил Хунг. «Наши результаты с исследованиями HDR-яркости, основанные на поведении человека и записях скальпа, показывают, насколько мало мы действительно знаем о том, как мостить разрыв между лабораторией и реальным миром. Но эти результаты выводят нас из этой коробки, показывая, что наши предыдущие предположения, основанные на стандартных компьютерных мониторах, имеют ограниченную способность обобщать для реального мира, и они раскрывают принципы, которые могут руководить нашим моделированием к правильным механизмам».

Открывая, как свет и контрастные края взаимодействуют в представлении мозга, алгоритмы будут более эффективными в реконструкции 3D-мира в реальных условиях освещения. Когда мы оцениваем 3D-форму из 2D-информации, всегда есть неоднозначности, но это новое открытие позволяет их исправлять.

«Через миллионы лет эволюции наш мозг эволюционировал эффективные сокращения для реконструкции 3D из 2D-информации», – сказал Хунг. «Это десятилетняя проблема, которая продолжает представлять вызов для ученых машинного зрения, даже с недавними достижениями в области ИИ».

Открытие команды также важно для разработки устройств ИИ, таких как радар и удаленное понимание речи, которые используют широкий динамический диапазон датчиков.

«Проблема динамического диапазона не только проблема датчиков», – сказал Хунг. «Она также может быть более общей проблемой в вычислениях мозга, поскольку отдельные нейроны имеют десятки тысяч входов. Как построить алгоритмы и архитектуры, которые могут слушать правильные входы в разных контекстах? Мы надеемся, что, работая над этой проблемой на сенсорном уровне, мы можем подтвердить, что мы находимся на правильном пути, чтобы иметь правильные инструменты, когда мы строим более сложные ИИ».