İnsan Beyninin Işık İşleme Kabiliyeti Daha İyi Robotik Algıya Yol Açabilir

İnsan beyni genellikle yapay zeka (AI) için ilham kaynağı olur ve bir grup Ordu araştırmacısı, insan beyninin parlak ve karşıt ışığı nasıl işlediğini inceleyerek robotik algılamayı geliştirdi. Yeni gelişme, otonom ajanlar ve insanlar arasında işbirliğine yol açabilir.

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

Araştırma Journal of Vision dergisinde yayımlandı.

100.000’e 1 Görüntüleme Kabiliyeti

Andre Harrison, U.S. Army Combat Capabilities Development Command’s Army Research Laboratory’de bir araştırmacıdır.

“Makine öğrenimi algoritmaları geliştirirken, gerçek dünya görüntüleri genellikle bir cep telefonu kamerası gibi daha dar bir aralığa sıkıştırılır, bu da ton haritalama olarak bilinen bir süreçtir” dedi Harrison. “Bu, makine görme algoritmalarının kırılgan olmasına katkıda bulunabilir, çünkü bunlar gerçek dünyada gördüğümüz kalıplara tam olarak uymayan yapay görüntülere dayanır.”

Araştırmacılar, 100.000’e 1 görüntüleme kabiliyetine sahip bir sistem geliştirdiler, bu da onlara gerçek dünyada beynin hesaplama sürecine关于 insight kazanmalarını sağladı. Harrison’a göre, bu, araştırmacıların sensörlere biyolojik dayanıklılık uygulamalarına olanak tanıdı.

Mevcut görme algoritmaları, ideal hale gelmeden önce masih uzun bir yol kat etmelidir. Bu, insan ve hayvan çalışmaları ile bilgisayar monitörleri temel alınarak geliştirilen algoritmaların sınırlı bir aralıkta, yaklaşık 100’e 1 oranında luminans nedeniyle xảyır. 100’e 1 oranı, varyasyonun 100.000’e 1’e kadar çıkabileceği gerçek dünyada ideal değildir. Bu yüksek oran, yüksek dinamik aralık veya HDR olarak adlandırılır.

Dr. Chou Po Hung, bir Ordu araştırmacısıdır.

“Işıkta değişiklikler ve önemli varyasyonlar Ordu sistemlerini zorlayabilir – orman örtüsü altında uçan dronlar, rüzgarın yapraklar arasında esmesi nedeniyle yansıtma değişikliklerine karşı karışıklık yaşayabilir veya zorlu arazide hareket eden otonom araçlar, aydınlatma koşullarının eğitim görme algoritmalarından farklı olması nedeniyle çukurları veya diğer engelleri tanıyamayabilir” dedi Hung.

İnsan Beyninin Sıkıştırma Kabiliyeti

İnsan beyni, 100.000’e 1 girişini otomatik olarak daha dar bir aralığa sıkıştırmaya capabletır ve bu, insanların şekli yorumlamasını sağlar. Araştırmacılar, bu süreci anlamak için yüksek dinamik aralık (HDR) altında erken görsel işleme baktı. Araştırmacılar, basit özellikler gibi HDR luminansına baktı.

“Beynin 30’dan fazla görsel alanı vardır ve bu alanların gözün görüntüsünü 3B şekle nasıl işlediğini hala sadece temel düzeyde anlıyoruz” diye devam etti Hung. “HDR luminans çalışmaları, insan davranışı ve skalp kayıtları temel alınarak, gerçekten ne kadar az şey bildiğimizi gösteriyor. Ancak bu bulgular, bizi bu kutudan çıkarıyor ve önceki varsayımlarımızın, standart bilgisayar monitörlerinden gelenlerin, gerçek dünya için sınırlı bir genellemeye sahip olduğunu gösteriyor ve doğru mekanizmalere rehberlik edecek ilkeleri ortaya koyuyor.”

Araştırmacılar, beynin görsel temsilinde ışık ve kontrast kenarlarının nasıl etkileşime girdiğini keşfederek, algoritmaların gerçek dünya luminansı altında 3B dünyayı daha etkili bir şekilde yeniden oluşturmasına olanak tanır. 2B bilgiden 3B şekli tahmin ederken her zaman belirsizlikler vardır, ancak bu yeni keşif, bu belirsizliklerin düzeltilmesine olanak tanır.

“Milyonlarca yıllık evrim boyunca, beyinlerimiz 2B bilgiden 3B’yi yeniden oluşturmak için etkili kısayollar geliştirdi” dedi Hung. “Bu, makine görme bilimcilerini, hatta son AI gelişmeleriyle bile, yıllardır zorlayan bir sorundur.”

Araştırmacıların keşfi, ayrıca radar ve uzak konuşma anlaşılması gibi geniş dinamik aralık algılama kullanan AI cihazlarının gelişimi için de önemlidir.

“Dinamik aralık sorunu sadece bir algılama problemi değil” dedi Hung. “Bu, beyin hesabında daha genel bir sorun olabilir, çünkü bireysel nöronlar on binlerce girişe sahiptir. Nasıl algoritmalar ve mimariler geliştirilir ki farklı bağlamlarda doğru girişleri dinleyebilsin? Bu sorunu duyusal düzeyde çalışarak, doğru yolda olduğumuzu teyit edebiliriz, böylece daha karmaşık AI’ler inşa ettiğimizde doğru araçlara sahip oluruz.”