Люмінесцентна спроможність обробки світла людського мозку може привести до кращого робототехнічного відчуття

Людський мозок часто служить джерелом натхнення для штучного інтелекту (AI), і це знову так, оскільки команда дослідників армії США змогла покращити робототехнічне відчуття, вивчаючи, як людський мозок обробляє яскраве та контрастне світло. Ця нова розробка може допомогти у співробітництві між автономними агентами та людьми.

Згідно з дослідниками, важливо, щоб машинне відчуття було ефективним у змінучих середовищах, що призводить до розробок у сфері автономності.

Дослідження було опубліковане у Журналі зору.

Спроможність дисплея 100 000 до 1

Андре Гаррісон – дослідник у Команді розвитку бойових можливостей армії США.

“Коли ми розробляємо алгоритми машинного навчання, реальні зображення зазвичай стискаються до вузького діапазону, як це робить камера мобільного телефону, у процесі, званому тоновим відображенням,” сказав Гаррісон. “Це може призвести до крихкості алгоритмів машинного зору, оскільки вони засновані на штучних зображеннях, які не зовсім відповідають тим патернам, які ми бачимо у реальному світі.”

Команда дослідників розробила систему зі спроможністю дисплея 100 000 до 1, що дозволило їм отримати уявлення про процес обчислення мозку у реальному світі. Згідно з Гаррісоном, це дозволило команді реалізувати біологічну стійкість у сенсорах.

Поточні алгоритми зору все ще мають довгий шлях до ідеального стану. Це пов’язано з обмеженим діапазоном у яскравості, близько 100 до 1 співвідношення, через те, що алгоритми засновані на дослідженнях людини та тварин з комп’ютерними моніторами. Співвідношення 100 до 1 менше ніж ідеальне у реальному світі, де варіація може досягати 100 000 до 1. Це високе співвідношення називається високим динамічним діапазоном, або HDR.

Доктор Чоу По Хунг – дослідник армії.

“Зміни та значні варіації світла можуть викликати проблеми у системах армії – безпілотні літаки, що літають під лісовим пологом, можуть бути сплутані через зміни відбивної здатності, коли вітер проходить через листя, або автономні транспортні засоби, що рухаються по нерівній місцевості, можуть не розпізнавати ями чи інші перешкоди, оскільки умови освітлення трохи відрізняються від тих, для яких їх алгоритми зору були навчені,” сказав Хунг.

Спроможність стиснення людського мозку

Людський мозок здатний автоматично стискати вхід 100 000 до 1 у вузький діапазон, і це дозволяє людям інтерпретувати форму. Команда дослідників намагалася зрозуміти цей процес, вивчаючи ранню візуальну обробку під HDR. Команда звернулася до простих ознак, таких як HDR-яскравість.

“Мозок має понад 30 візуальних зон, і ми все ще маємо тільки примітивне розуміння того, як ці зони обробляють зображення ока у розуміння 3D-форми,” продовжував Хунг. “Наші результати з дослідженнями HDR-яскравості, засновані на поведінці людини та реєстрації скальпу, показують, як мало ми дійсно знаємо про те, як звести міст між лабораторією та реальним світом. Але ці висновки виводять нас з цієї коробки, показуючи, що наші попередні припущення щодо стандартних комп’ютерних моніторів мають обмежену можливість узагальнення до реального світу, і вони розкривають принципи, які можуть спрямовувати наше моделювання до правильних механізмів.”

Відкривши, як світло та контрастні краї взаємодіють у візуальній репрезентації мозку, алгоритми будуть більш ефективними у відновленні 3D-світу під реальними умовами освітлення. Коли оцінюється 3D-форма з 2D-інформації, завжди існують двозначності, але це нове відкриття дозволяє їх виправити.

“Через мільйони років еволюції наш мозок розвинув ефективні скорочення для відновлення 3D з 2D-інформації,” сказав Хунг. “Це проблема, яка триває вже десятиліттями, і продовжує викликати труднощі у вчених-машинного зору, навіть з останніх досягнень у сфері AI.”

Відкриття команди також важливе для розробки пристроїв AI, таких як радар та віддалене розуміння мови, які використовують широкий динамічний діапазон чуття.

“Проблема динамічного діапазону не тільки проблема чуття,” сказав Хунг. “Це може бути більш загальна проблема у обчисленнях мозку, оскільки окремі нейрони мають десятки тисяч входів. Як побудувати алгоритми та архітектури, які можуть слухати правильні входи у різних контекстах? Ми сподіваємося, що, працюючи над цією проблемою на рівні чуття, ми можемо підтвердити, що ми на правильному шляху, щоб мати правильні інструменти, коли ми будемо створювати більш складні AI.”