İnsan Beyninin Işık İşleme Yeteneği Daha İyi Robotik Algılamaya Yol Açabilir

İnsan beyni genellikle yapay zeka (AI) için ilham kaynağı olarak hizmet eder ve Ordu araştırmacılarından oluşan bir ekip, insan beyninin parlak ve zıt ışığı nasıl işlediğine bakarak robotik algılamayı geliştirmeyi başardığı için durum bir kez daha böyledir. Yeni gelişme, otonom ajanlar ve insanlar arasındaki işbirliğine yol açabilir.

Araştırmacılara göre, makine algılamasının değişen ortamlarda etkili olması önemlidir, bu da otonomide gelişmelere yol açar.

Araştırma yayınlandı Vizyon Dergisi. 

100,000'e 1 Görüntüleme Yeteneği

Andre Harrison, ABD Ordusu Muharebe Yetenekleri Geliştirme Komutanlığının Ordu Araştırma Laboratuvarı'nda araştırmacıdır. 

Harrison, "Makine öğrenimi algoritmaları geliştirdiğimizde, gerçek dünya görüntüleri genellikle cep telefonu kameralarının yaptığı gibi, ton eşleme adı verilen bir süreçte daha dar bir aralığa sıkıştırılır" dedi. "Bu, makine görüşü algoritmalarının kırılganlığına katkıda bulunabilir çünkü bunlar, gerçek dünyada gördüğümüz modellerle pek eşleşmeyen yapay görüntülere dayalıdır." 

Araştırma ekibi, 100,000'e 1 görüntüleme kapasitesine sahip bir sistem geliştirdi ve bu, gerçek dünyadaki beynin bilgi işlem süreci hakkında bilgi edinmelerini sağladı. Harrison'a göre bu, ekibin biyolojik dayanıklılığı sensörlere uygulamasına izin verdi.

Mevcut görüntü algoritmalarının ideal hale gelmesi için daha kat etmesi gereken çok yol var. Bu, bilgisayar monitörleri ile insan ve hayvan çalışmalarına dayanan algoritmalar nedeniyle, yaklaşık 100'e 1 oranındaki sınırlı parlaklık aralığı ile ilgilidir. 100'e 1 oranı, varyasyonun 100,000'e 1'e kadar çıkabileceği gerçek dünyada idealden daha azdır. Bu yüksek oran, yüksek dinamik aralık veya HDR olarak adlandırılır.

Dr. Chou Po Hung, bir ordu araştırmacısıdır. 

"Işıktaki değişiklikler ve önemli farklılıklar Ordu sistemlerini zorlayabilir - bir orman örtüsünün altında uçan dronlar, rüzgar yaprakların arasından estiğinde yansıma değişiklikleriyle karıştırılabilir veya engebeli arazide sürüş yapan otonom araçlar, aydınlatma koşulları nedeniyle çukurları veya diğer engelleri tanımayabilir. Hung, "görüş algoritmalarının eğitildiğinden biraz farklı" dedi. 

İnsan Beyninin Sıkıştırma Yeteneği

İnsan beyni, 100,000'e 1 girdisini otomatik olarak daha dar bir aralığa sıkıştırma yeteneğine sahiptir ve insanların şekli yorumlamasını sağlayan da budur. Araştırma ekibi, HDR altında erken görsel işlemeyi inceleyerek bu süreci anlamak için yola çıktı. Ekip, HDR parlaklığı gibi basit özelliklere baktı. 

Hung, "Beynin 30'dan fazla görsel alanı var ve bu alanların gözün görüntüsünü 3 boyutlu şekil anlayışına nasıl işlediğine dair hala yalnızca ilkel bir anlayışa sahibiz" diye devam etti Hung. "İnsan davranışına ve kafa derisi kayıtlarına dayanan HDR parlaklık çalışmalarıyla elde ettiğimiz sonuçlar, laboratuvardan gerçek dünya ortamlarına nasıl köprü kuracağımız konusunda gerçekten ne kadar az şey bildiğimizi gösteriyor. Ancak bu bulgular, standart bilgisayar monitörleriyle ilgili önceki varsayımlarımızın gerçek dünyaya genelleme konusunda sınırlı yeteneğe sahip olduğunu ve modellememizi doğru mekanizmalara yönlendirebilecek ilkeleri ortaya çıkararak bizi bu kutudan çıkarıyor. 

Algoritmalar, ışık ve kontrast kenarlarının beynin görsel temsilinde nasıl etkileşime girdiğini keşfederek, gerçek dünya parlaklığı altında 3B dünyayı yeniden yapılandırmada daha etkili olacak. 3B bilgiden 2B şekli tahmin ederken her zaman belirsizlikler vardır, ancak bu yeni keşif bunların düzeltilmesine olanak tanır.

Hung, "Milyonlarca yıllık evrim boyunca, beyinlerimiz 3B bilgisini 2B bilgiden yeniden oluşturmak için etkili kısayollar geliştirdi" dedi. "Yapay zekadaki son gelişmelere rağmen, yapay görme bilim adamlarını zorlamaya devam eden onlarca yıllık bir sorun."

Ekibin keşfi, geniş dinamik aralık algılamayı kullanan radar ve uzaktan konuşma anlama gibi AI cihazlarının geliştirilmesi için de önemlidir. 

Hung, "Dinamik aralık sorunu sadece bir algılama sorunu değildir" dedi. "Ayrıca beyin hesaplamasında daha genel bir sorun olabilir çünkü bireysel nöronların onbinlerce girdisi vardır. Farklı bağlamlarda doğru girdileri dinleyebilen algoritmaları ve mimarileri nasıl oluşturursunuz? Bu sorun üzerinde duyusal düzeyde çalışarak doğru yolda olduğumuzu teyit edebileceğimizi umuyoruz, böylece daha karmaşık Als oluştururken doğru araçlara sahip olabiliriz."