2022. 09. 29. - 09:00

Az emberi látást egyelőre nem veri kenterbe a mesterséges intelligencia

Az emberi látást egyelőre nem veri kenterbe a mesterséges intelligencia

Jelenleg még a legokosabb mesterséges intelligencia-modellek sem érik el az emberi vizuális feldolgozást – állítják a kutatók. Még mindig van tehát mit fejlődnie, de a haladás ígéretes.

Bár napjainkban már hihetetlen dolgokra képes a mesterséges intelligencia, még a legokosabb MI-modellek sem felelnek meg annak, amit emberi vizuális feldolgozásnak hívunk. Olvasd el: 
 
A mélykonvolúciós neurális hálózatok (DCNN-ek) nem az emberhez hasonlóan látják az objektumokat – konfigurált alakérzékelést használva –, ez pedig veszélyes lehet a valós mesterséges intelligencia-alkalmazásokban – vélekedik James Elder professzor, a Yorki Egyetem tanulmányának társszerzője, az emberi és számítógépes látás kutatási tanszékének vezetője, a York-i Center for AI társigazgatója.
 
A kutatást az iScience Cell Press folyóirat közölte.
 
A tanulmány kitér arra, hogy a mélytanulási modellek nem képesek megragadni az emberi alak észlelésének konfigurált természetét. A kollaboratív kutatás James Elder, valamint Nicholas Baker munkája – utóbbi pszichológiai asszisztens professzor a chicagói Loyola College-ban és egykori VISTA posztdoktor-ösztöndíjas a Yorki Egyetemen. Olvasd el: A légy látását utánozza a mesterséges intelligencia
 
Jelenleg még a legokosabb mesterséges intelligencia-modellek sem érik el az emberi vizuális feldolgozást
Jelenleg még a legokosabb mesterséges intelligencia-modellek sem érik el az emberi vizuális feldolgozást
 
A tanulmány „Frankensteinnek” elnevezett új vizuális ingereket alkalmazott annak feltárására, vajon az emberi agy és a DCNN-ek hogyan dolgozzák fel a holisztikus, konfigurált objektumtulajdonságokat.
 
„A Frankensteinek egyszerűen tárgyak, amelyeket szétszedtek és rossz irányban raktak össze - magyarázta Elder. - Ennek eredményeként minden megfelelő funkcióval rendelkeznek, de rossz helyen.”
 
Kiderült, hogy az emberi látórendszert összezavarják a Frankensteinek, de a mélykonvolúciós neurális hálózatokat nem – ami a konfigurált objektumtulajdonságok iránti érzéketlenségről árulkodik. 
 
„Eredményeink magyarázatot adnak arra, miért nem működnek a mély mesterséges intelligencia modellek bizonyos körülmények között, s rámutatnak arra, hogy az agy vizuális feldolgozása érdekében az objektum felismerésen túli feladatokat is figyelembe kell venni” – mondta Elder.  
 
Hozzátette: ezek a mélymodellek hajlamosak „parancsikonokat” használni az összetett felismerési feladatok megoldása során.
 
Bár e parancsikonok sok esetben működhetnek, veszélyesek lehetnek néhány valós mesterséges intelligencia-alkalmazásban, melyeken jelenleg iparági és kormányzati partnereivel dolgozik a kutatócsapat – mutat rá Elder. Olvasd el: MI-alapú szemteszt segít látásvesztés ellen
 
Az egyik ilyen alkalmazás a közlekedési videobiztonsági rendszerek.
 
„A forgalomban jelen levő objektumok – járművek, kerékpárok és gyalogosok – akadályozzák egymást és a szétválasztott darabok összekeveredve érnek el a vezető szeméhez – magyarázta James. - Az agynak megfelelően kell csoportosítania ezeket a töredékeket, hogy azonosítsa az objektumok megfelelő kategóriáit és helyét. A közlekedésbiztonsági megfigyelő mesterséges intelligencia-rendszer, amely csak egyenként képes észlelni a töredékeket, megbukik ebben a feladatban, s nem megfelelően értelmezheti a veszélyeztetett úthasználókat.”
 
A kutatók szerint a hálózatok emberi agyra hasonlítását célzó képzési és architektúramódosítások nem vezettek konfigurációs feldolgozáshoz, s egyik hálózat sem volt képes pontosan megjósolni az emberi objektumokra vonatkozó ítéleteit, kísérletről-kísérletre.
 
„Gyanítjuk, hogy az emberi konfigurációs érzékenység eléréséhez a hálózatokat a kategória felismerésen túl is képezni kell az objektumfeladatok szélesebb körének megoldására” – jegyezte meg Elder.
 
 
L.A.

Hírlevél feliratkozás

Kérjük, add meg adataidat a hírlevélre történő feliratkozáshoz! A megadott adatokat bizalmasan kezeljük, azokat harmadik félnek át nem adjuk.

 

gyulai_vafurdo

profight_banner.