คอมพิวเตอร์ที่สามารถระบุชนิดนกได้ถึง 200 ชนิดจากเพียงภาพถ่ายหนึ่งภาพ

นักวิจัยจากมหาวิทยาลัย Duke ใช้การเรียนรู้ของเครื่องจักรเพื่อฝึกคอมพิวเตอร์ให้สามารถระบุชนิดนกได้ถึง 200 ชนิดจากเพียงภาพถ่ายหนึ่งภาพ คอมพิวเตอร์สามารถระบุชนิดนกได้โดยไม่ต้องใช้เวลาหลายปีในการสังเกตนกเหมือนมนุษย์

การวิจัยนี้ได้รับการนำโดย Chaofan Chen นักศึกษาระดับ博士จากมหาวิทยาลัย Duke และ Oscar Li นักศึกษาระดับอุดมศึกษา และได้รับการทำงานร่วมกับสมาชิกทีมอื่นๆ ใน Prediction Analysis Lab ซึ่งได้รับการกำกับโดย Cynthia Rudin ศาสตราจารย์จากมหาวิทยาลัย Duke

A.I. ที่แสดงความคิด

แม้ว่ากระบวนการระบุชนิดนกจะน่าประทับใจ แต่มีแง่มุมที่สำคัญกว่านั้น คือ A.I. สามารถแสดงความคิดของมัน ทำให้แม้กระทั่งผู้ที่ไม่มีประสบการณ์ในการสังเกตนกก็สามารถเข้าใจกระบวนการได้

เครือข่ายประสาทเทียมหรืออัลกอริทึมที่อาศัยการทำงานของสมองได้รับการฝึกฝนโดยใช้ภาพถ่าย 11,788 ภาพ ซึ่งรวมถึงชนิดนก 200 ชนิด ตั้งแต่นกเป็ดจนถึงนกฮัมมิงเบิร์ด

ทีมนักวิจัยไม่ต้องฝึกเครือข่ายให้ระบุจุดเด่นของนก เช่น จุดเด่นของปากหรือขนปีก แต่เครือข่ายสามารถระบุรูปแบบในภาพถ่ายและจับคู่รูปแบบเหล่านั้นเข้ากับรูปแบบที่พบในชนิดนกทั่วไป

ตามทีมนักวิจัย เครือข่ายจะสร้างแผนที่ความร้อนเพื่อระบุจุดเด่นของนก เช่น สามารถแยกความแตกต่างระหว่างนก Warbler ทั่วไปและนก Warbler ที่มีหัวสีดำ และลักษณะอื่นๆ เช่น หัวสีดำและท้องสีเหลือง แล้วแสดงว่าจุดเด่นเหล่านี้เป็นสิ่งที่ทำให้สามารถระบุชนิดนกได้

ไม่เหมือนระบบอื่นๆ

เครือข่ายสามารถระบุชนิดนกได้ถูกต้องถึง 84% ของเวลา ซึ่งใกล้เคียงกับระบบที่มีประสิทธิภาพสูงสุด แต่ระบบเหล่านั้นไม่สามารถอธิบายกระบวนการคิดเหมือนเครือข่ายนี้

ตาม Rudin ส่วนสำคัญที่สุดของโครงการนี้คือการให้ภาพที่แสดงว่าเครือข่ายประสาทเทียมเห็นอะไรเมื่อมองภาพ

เทคโนโลยีนี้กำลังถูกใช้ในเว็บไซต์สังคมออนไลน์ในการระบุตัวผู้ต้องสงสัยในกล้องวงจรปิด และช่วยให้รถยนต์ไร้คนขับสามารถระบุไฟจราจรและคนเดินได้

ซอฟต์แวร์การเรียนรู้ลึกไม่ต้องถูกเขียนโปรแกรมอย่างชัดเจนเพื่อเรียนรู้จากข้อมูล แต่กระบวนการนี้ไม่ชัดเจนหรือแสดงออกมาเสมอไป ทำให้ยากที่จะอธิบายว่าอัลกอริทึมคิดอย่างไรเมื่อจัดประเภทภาพ

ในอนาคต

Rudin และทีมงานกำลังพัฒนาโมเดลการเรียนรู้ลึกใหม่ๆ สำหรับ A.I. โดยให้ความสามารถในการอธิบายกระบวนการคิดและกระบวนการระบุชนิด

Rudin และทีมงานจะใช้อัลกอริทึมในการแพทย์ โดยสามารถระบุพื้นที่ที่มีปัญหาในภาพทางการแพทย์ เช่น มามโมแกรม ซึ่งจะช่วยให้แพทย์สามารถตรวจพบก้อนและรอยแผลอื่นๆ ที่อาจเป็นมะเร็งได้

ตาม Rudin เครือข่ายสามารถเลียนแบบกระบวนการวินิจฉัยของแพทย์

“มันเป็นกระบวนการคิดตามกรณีศึกษา” Rudin กล่าว “เราหวังว่าเราจะสามารถอธิบายให้แพทย์หรือผู้ป่วยเข้าใจได้ว่าทำไมภาพถึงถูกจัดประเภทโดยเครือข่ายว่าเป็นมะเร็งหรือไม่”

ทีมงานจะนำเสนอผลงานวิจัยที่ Thirty-third Conference on Neural Information Processing Systems (NeurlIPS2019) ในวันที่ 12 ธันวาคม ที่ Vancouver

การศึกษานี้ได้รับการเขียนโดย Daniel Tao และ Alina Barnerr จาก Duke และ Jonathan Su จาก MIT Lincoln Laboratory