Emlékszel azokra a fajta optikai csalódásokra, amelyeket valószínűleg gyerekként láttál először, és amelyek használnak néhányat? színek, fények és minták kombinációjával olyan képeket hozhatunk létre, amelyek megtévesztőnek vagy félrevezetőnek bizonyulnak számunkra agyvelő? Kiderült, hogy az ilyen illúziók – ahol az észlelés nem egyezik a valósággal – valójában inkább az agy sajátosságai, mintsem hiba. És ha egy gépet megtanítunk ugyanilyen illúziók felismerésére, az intelligensebb képfelismerést eredményezhet.
Ezt mondják a Brown Egyetem számítógépes látás szakértői munkával voltak elfoglalva. Arra tanítják a számítógépeket, hogy lássák a kontextusfüggő optikai csalódásokat, és ezáltal remélhetőleg intelligensebb, agyszerűbb mesterséges látási algoritmusokat hozzon létre, amelyek a valóságban robusztusabbnak bizonyulnak világ.
Ajánlott videók
"A számítógépes látás mindenütt elterjedt, az önvezető autóktól a stoptáblát elemző gépektől az ultrahangon daganatokat kereső orvosi szoftverekig"
David Mely, mondta a Digital Trendsnek a projekten dolgozó egyik Cognitive Science-kutató, aki jelenleg a Vicarious mesterséges intelligenciával foglalkozó cégnél dolgozik. „Azonban ezeknek a rendszereknek vannak gyenge pontjai, amelyek abból a tényből fakadnak, hogy agyunk működésének elavult tervezete alapján készültek. Az idegtudomány újonnan megismert mechanizmusainak integrálása, mint amilyenek a munkánkban szerepelnek, segíthet a számítógépes látásrendszerek biztonságosabbá tételében. Az agy nagy része továbbra is rosszul ismert, és az agy és a gépek találkozásánál végzett további kutatások segíthetnek a számítógépes látás további alapvető előrelépéseinek feltárásában.”Munkájuk során a csapat számítási modellt használt annak feltárására és megismétlésére, hogy a neuronok milyen kölcsönhatásba lépnek egymással, amikor egy illúziót néznek. Megalkották a neuronok visszacsatolási kapcsolatainak modelljét, amely az emberekét tükrözi, és amely a kontextustól függően eltérően reagál. Remélhetőleg ez segít az olyan feladatokban, mint a színek megkülönböztetése – például a piros bogyók szedésére tervezett robot hogy azonosítsa azokat a bogyókat, még akkor is, ha a jelenet vörös fényben fürdik, ahogy ez naplementekor is megtörténhet.
„Számos bonyolult agyi áramkör létezik a kontextuális integráció ilyen formáinak támogatására, és tanulmányunk egy elméletet javasol, hogyan ez az áramkör a befogadó tértípusokon keresztül működik, és jelenléte hogyan mutatkozik meg az optikai csalódásnak nevezett jelenségekben" folytatta. „A miénkhez hasonló tanulmányok, amelyek számítógépes modellekkel magyarázzák, hogyan lát az agy, szükségesek a meglévő számítógép fejlesztéséhez látásrendszerek: sok közülük, mint a legtöbb mély neurális hálózat, még mindig hiányzik a kontextuális legalapvetőbb formái integráció."
Míg a projekt még viszonylag gyerekcipőben jár, a csapat már lefordította a neurális áramkört egy modern gépi tanulási modullá. Amikor egy kontúrészleléssel és kontúrkövetéssel kapcsolatos feladaton tesztelték, az áramkör jelentősen felülmúlta a modern számítógépes látástechnológiát.
Szerkesztői ajánlások
- Lehet, hogy az Apple máris visszafogja a Vision Pro gyártását
- A.I. chiptervezési forradalmat vezet, és ez még csak most kezdődik
- Az eBay számítógépes látásmódot alkalmaz az eladók termékeinek népszerűsítésére
- Gépi tanulás? Neurális hálózatok? Íme az útmutató az A.I számos ízéhez.
Frissítse életmódjátA Digital Trends segítségével az olvasók nyomon követhetik a technológia rohanó világát a legfrissebb hírekkel, szórakoztató termékismertetőkkel, éleslátó szerkesztőségekkel és egyedülálló betekintésekkel.
