ภาพลวงตาสามารถช่วยให้เราสร้าง AI รุ่นใหม่ได้

คุณดูภาพวงกลมสีดำบนตารางจุดวงกลม มันมีลักษณะคล้ายกับรูที่ถูกเผาเป็นชิ้นวัสดุตาข่ายสีขาว แม้ว่าจริงๆ แล้วมันจะเป็นภาพแบนนิ่งบนหน้าจอหรือแผ่นกระดาษก็ตาม แต่สมองของคุณไม่เข้าใจมันแบบนั้น เช่นเดียวกับประสบการณ์หลอนประสาทในระดับต่ำ จิตใจของคุณก็จะหลุดลอยไป รับรู้ภาพนิ่งเป็นปากอุโมงค์สีดำที่กำลังเคลื่อนเข้ามาหาคุณ

เมื่อตอบสนองต่อความจริงของผลกระทบ ร่างกายก็เริ่มตอบสนองโดยไม่รู้ตัว รูม่านตาขยายออกเพื่อให้ แสงเข้าได้มากขึ้น เช่นเดียวกับที่แสงจะปรับหากคุณกำลังจะจมดิ่งลงไปในความมืดเพื่อให้แน่ใจว่าจะเป็นไปได้ดีที่สุด วิสัยทัศน์.

ผลกระทบที่เป็นปัญหาถูกสร้างขึ้นโดย อากิโยชิ คิตะโอกะนักจิตวิทยาจากมหาวิทยาลัย Ritsumeikan ในเมืองโกเบ ประเทศญี่ปุ่น นี่เป็นหนึ่งในภาพลวงตามากมายที่เขาสร้างขึ้นตลอดอาชีพการงานอันยาวนาน (“ฉันชอบพวกเขาทั้งหมด” เขากล่าวโดยตอบคำถามของ Digital Trend ว่าเขามีรายการโปรดหรือไม่)

ภาพลวงตาใหม่นี้เป็นหัวข้อของงานวิจัยที่ตีพิมพ์เมื่อเร็วๆ นี้ ในวารสาร Frontiers in Human Neuroscience

. แม้ว่าบทความนี้จะเน้นไปที่การตอบสนองทางสรีรวิทยาของมนุษย์ต่อผลกระทบที่เกิดขึ้นใหม่ (ซึ่งปรากฎว่าประมาณ 86 เปอร์เซ็นต์ของพวกเราจะต้องประสบ) หัวข้อโดยรวมอาจมีความเกี่ยวข้องอย่างมากเมื่อพูดถึงอนาคตของสติปัญญาของเครื่องจักร เนื่องจากหนึ่งในนักวิจัยกระตือรือร้นที่จะอธิบายให้ Digital ฟัง เทรนด์

ขอบวิวัฒนาการ

มีบางอย่างผิดปกติกับสมองของคุณ อย่างน้อย นั่นเป็นข้อสรุปง่ายๆ ประการหนึ่งที่ได้จากวิธีที่สมองของมนุษย์รับรู้ภาพลวงตา มีคำอธิบายอะไรอีกสำหรับภาพนิ่งสองมิติที่สมองรับรู้ว่าเป็นสิ่งที่แตกต่างไปจากเดิมอย่างสิ้นเชิง เป็นเวลานานแล้วที่จิตวิทยากระแสหลักคิดอย่างนั้น

“ในตอนแรกผู้คนคิดว่า 'เอาล่ะ สมองของเราไม่ได้สมบูรณ์แบบ … มันไม่ได้ถูกเสมอไป' นั่นคือความล้มเหลวใช่ไหม” พูดว่า บรูโน่ แลงศาสตราจารย์ภาควิชาจิตวิทยาแห่งมหาวิทยาลัยออสโลและเป็นผู้เขียนงานวิจัยชิ้นแรกข้างต้น “ภาพลวงตาในกรณีนั้นน่าสนใจเพราะว่ามันจะเผยให้เห็นความไม่สมบูรณ์บางอย่างในเครื่องจักร”

นักจิตวิทยาไม่มองสิ่งเหล่านี้อีกต่อไป หากมีสิ่งใด การวิจัยเช่นนี้จะเน้นย้ำว่าระบบภาพไม่ได้เป็นเพียงกล้องที่ตรงไปตรงมาเท่านั้น ภาพลวงตาแบบ "Illusory Expanding Hole" ทำให้ชัดเจนว่าดวงตาปรับตามการรับรู้ แม้กระทั่งจินตนาการ แสงสว่างและความมืด มากกว่าที่จะปรับตามพลังงานทางกายภาพ

สิ่งที่สำคัญที่สุดคือแสดงให้เห็นว่าเราไม่เพียงแค่บันทึกโลกอย่างโง่เขลาด้วยระบบภาพของเราเท่านั้น แต่ยังแสดงให้เห็นว่า แทนที่จะทำการทดลองทางวิทยาศาสตร์อย่างต่อเนื่องเพื่อให้ได้วิวัฒนาการเล็กน้อย ข้อได้เปรียบ. เป้าหมายคือการวิเคราะห์ข้อมูลที่นำเสนอต่อเราและพยายามจัดการกับปัญหาล่วงหน้าก่อนที่จะกลายเป็นปัญหา

“สมองไม่มีทางรู้ได้เลยว่าข้างนอกนั้นมีอะไรอยู่บ้าง” แลงกล่าว “สิ่งที่กำลังทำอยู่คือการสร้างความเป็นจริงเสมือนของสิ่งที่อาจมีอยู่ข้างนอกนั่น มีการคาดเดาเล็กน้อย ในแง่นี้ คุณสามารถมองสมองเป็นเครื่องจักรชนิดหนึ่งได้ คุณสามารถเรียกมันว่าก เบย์เซียน เครื่องถ้าคุณต้องการ มันใช้สมมติฐานก่อนหน้านี้และพยายามทดสอบอยู่ตลอดเวลาเพื่อดูว่ามันได้ผลหรือไม่”

แลงยกตัวอย่างการปรับดวงตาโดยอาศัยแสงจากดวงอาทิตย์ แม้ว่าจะมองผ่านเมฆหมอกหรือใบไม้เหนือศีรษะก็ตาม เผื่อไว้.

“สิ่งสำคัญในวิวัฒนาการไม่ใช่ว่ามันเป็นเรื่องจริง [ในขณะนั้น] แต่มันน่าจะเป็นไปได้” เขากล่าวต่อ “โดยการบีบรัดรูม่านตา ร่างกายของคุณได้ปรับตัวเข้ากับสถานการณ์ที่มีแนวโน้มว่าจะเกิดขึ้นในช่วงเวลาสั้นๆ แล้ว สิ่งที่เกิดขึ้น (ถ้าจู่ๆ พระอาทิตย์ก็ออกมา) คือคุณตาพร่า Dazzled แปลว่า ไร้ความสามารถชั่วคราว นั่นมีผลกระทบมหาศาลไม่ว่าคุณจะเป็นเหยื่อหรือเป็นผู้ล่าก็ตาม คุณเสียเวลาเพียงเสี้ยววินาทีในสถานการณ์เฉพาะและคุณอาจไม่รอด”

ไม่ใช่แค่แสงสว่างและความมืดเท่านั้นที่ระบบการมองเห็นของเราจำเป็นต้องคาดเดาเช่นกัน ลองนึกถึงเกมเทนนิสที่ลูกบอลเคลื่อนที่ด้วยความเร็วสูง หากเรายึดถือพฤติกรรมของเราโดยยึดตามสิ่งที่ระบบการมองเห็นได้รับในช่วงเวลาใดก็ตาม เราจะล้าหลังความเป็นจริงและไม่สามารถส่งบอลคืนได้ “เราสามารถรับรู้ถึงปัจจุบันได้ แม้ว่าเราจะติดอยู่กับอดีตจริงๆ” แลงกล่าว “วิธีเดียวที่จะทำได้คือการทำนายอนาคต มันฟังดูคล้ายกับเกมคำศัพท์นิดหน่อย แต่นั่นเป็นเพียงบทสรุปเท่านั้น”

วิชันซิสเต็มเริ่มดีขึ้น

แล้วมันเกี่ยวอะไรกับการมองเห็นของคอมพิวเตอร์ล่ะ? เป็นไปได้ทุกอย่าง ตัวอย่างเช่น เพื่อให้หุ่นยนต์สามารถทำงานได้อย่างมีประสิทธิภาพในโลกแห่งความเป็นจริง หุ่นยนต์จะต้องสามารถทำการปรับเปลี่ยนเหล่านี้ได้ทันที คอมพิวเตอร์มีข้อได้เปรียบในเรื่องความสามารถในการคำนวณที่รวดเร็วมาก สิ่งที่พวกเขาไม่มีคือวิวัฒนาการหลายล้านปีที่อยู่เคียงข้างพวกเขา

ในช่วงไม่กี่ปีที่ผ่านมา แมชชีนวิชันมีความก้าวหน้าอย่างมาก พวกเขาสามารถระบุใบหน้าหรือการเดินในสตรีมวิดีโอแบบเรียลไทม์ แม้จะอยู่ในกลุ่มผู้คนจำนวนมากก็ตาม การจัดหมวดหมู่รูปภาพและเครื่องมือเทคโนโลยีที่คล้ายกันสามารถจดจำการมีอยู่ของวัตถุอื่นได้เช่นกัน ความก้าวหน้าในการแบ่งส่วนวัตถุทำให้สามารถเข้าใจเนื้อหาที่แตกต่างกันได้ดีขึ้น ฉาก ยังมีความก้าวหน้าที่สำคัญในการอนุมานภาพ 3 มิติจากฉาก 2 มิติ ทำให้เครื่องจักรสามารถ "อ่าน" ข้อมูลสามมิติ เช่น ความลึก จากฉากได้ ช่วยให้คอมพิวเตอร์วิทัศน์สมัยใหม่เข้าใกล้การรับรู้ภาพของมนุษย์มากขึ้น

อย่างไรก็ตาม ยังมีช่องว่างระหว่างอัลกอริธึมวิชันซิสเต็มที่ดีที่สุดกับความสามารถบนพื้นฐานวิชันที่มนุษย์ส่วนใหญ่สามารถทำได้ตั้งแต่อายุยังน้อย แม้ว่าเราจะไม่สามารถระบุได้อย่างชัดเจนว่าเราปฏิบัติงานตามวิสัยทัศน์เหล่านี้อย่างไร (อ้างอิงจาก Michael Polanyi นักพหูสูตชาวฮังการีและอังกฤษ “เราสามารถรู้ได้ มากกว่าที่เราจะบอกได้") แต่เรายังสามารถทำงานต่างๆ ได้อย่างน่าประทับใจ ซึ่งช่วยให้เราควบคุมสายตาของเราได้อย่างชาญฉลาดหลากหลาย วิธี

การทดสอบทัวริงสำหรับวิชันซิสเต็ม

หากนักวิจัยและวิศวกรหวังที่จะสร้างระบบคอมพิวเตอร์วิทัศน์ที่ทำงานเทียบเท่ากับภาพเป็นอย่างน้อย ทักษะการประมวลผลของสมองเปียก การสร้างอัลกอริธึมที่สามารถเข้าใจภาพลวงตาไม่ใช่การเริ่มต้นที่ไม่ดี จุด. อย่างน้อยที่สุด ก็สามารถพิสูจน์ได้ว่าเป็นวิธีที่ดีในการวัดว่าระบบวิชันซิสเต็มทำงานกับสมองของเราได้ดีเพียงใด อาจไม่ใช่คำตอบของตำนาน ปัญญาประดิษฐ์ทั่วไปแต่อาจเป็นกุญแจสำคัญในการปลดล็อควิสัยทัศน์ทั่วไป

“หากมีใครซักคนพัฒนาระบบการมองเห็นเทียมที่ทำให้เกิดข้อผิดพลาดในการรับรู้ภาพลวงตาแบบเดียวกัน ที่เราทำ คุณจะรู้ว่า ณ จุดนี้พวกเขากำลัง [บรรลุ] การจำลองการทำงานของสมองของเราได้ดี” แลง พูดว่า. “มันจะเป็นแบบทดสอบทัวริง หากคุณมีเครือข่ายเทียมที่ถูกภาพลวงตาหลอกเหมือนเรา เราก็ [จะ] ใกล้จะเข้าใจการคำนวณพื้นฐานของสมองแล้ว”

อี้-เจ๋อซ่งผู้อ่านเรื่อง Computer Vision และ Machine Learning ที่ Centre for Vision Speech and Signal Processing ที่มหาวิทยาลัย Surrey ในสหราชอาณาจักร เห็นด้วยกับสมมติฐานนี้ “การขอให้อัลกอริธึมการมองเห็นเข้าใจภาพลวงตาเป็นหัวข้อทั่วไปมีคุณค่าอย่างยิ่งต่อชุมชน” เขาบอกกับ Digital Trends “มันไปไกลกว่าจุดสนใจของชุมชนในปัจจุบันในการขอให้เครื่องจักร [รับรู้] โดยการผลักดันขอบเขตเพิ่มเติม [และ] การขอให้เครื่องจักรให้เหตุผล การผลักดันนี้ [จะเป็นตัวแทน] ก้าวสำคัญสู่ 'วิสัยทัศน์ทั่วไป' ซึ่งจำเป็นต้องมีการตีความแนวคิดเชิงภาพตามอัตวิสัย”

ใช้ภาพลวงตาของคุณ

จนถึงขณะนี้ มีงานวิจัยจำนวนหนึ่งที่จำกัดเกี่ยวกับเป้าหมายนี้ แม้ว่าจะยังอยู่ในระยะเริ่มแรกก็ตาม Nasim Nematzadeh นักวิจัยที่จบปริญญาเอก ในด้านปัญญาประดิษฐ์และหุ่นยนต์ - โมเดลการมองเห็นระดับต่ำเป็นบุคคลหนึ่งที่มี ตีพิมพ์ผลงานในหัวข้อนี้.

“เราเชื่อว่าการสำรวจเพิ่มเติมเกี่ยวกับบทบาทของแบบจำลองที่คล้ายเกาส์เซียนอย่างง่ายในการประมวลผลจอประสาทตาระดับต่ำและเคอร์เนลแบบเกาส์เซียนในระยะแรก [ระบบประสาทลึก] เครือข่าย] และการทำนายการสูญเสียภาพลวงตาจะนำไปสู่เทคนิคและแบบจำลองการมองเห็นคอมพิวเตอร์ที่แม่นยำยิ่งขึ้น” Nematzadeh กล่าวกับ Digital Trends “[สิ่งนี้อาจ] นำไปสู่แบบจำลองระดับความลึกและการประมวลผลการเคลื่อนไหวในระดับที่สูงขึ้น และทำให้คอมพิวเตอร์เข้าใจภาพธรรมชาติโดยทั่วไป”

Max Williams นักวิจัย AI ที่ช่วยรวบรวมชุดข้อมูลของ ภาพภาพลวงตานับพันภาพ สำหรับระบบการมองเห็นด้วยคอมพิวเตอร์ ให้ความสัมพันธ์ระหว่างการมองเห็นทั่วไปและภาพลวงตาโดยกระชับที่สุด: “ภาพลวงตาเกิดขึ้นได้เพราะดวงตาและสมองของเรากำลังทำหน้าที่ยุ่งเหยิงและ กระบวนการเฉพาะกิจเพื่อแยกฉากที่มองเห็นออกจากสนามแสงที่ไม่อาจเข้าใจได้ซึ่งสร้างขึ้นโดยโลกทางกายภาพซึ่งเราเกือบจะถูกปิดผนึกไว้อย่างสมบูรณ์” พวกเขาบอกกับ Digital เทรนด์ “ฉันไม่คิดว่าเป็นไปได้ที่จะสร้างระบบการมองเห็นที่แสดงออกได้มากพอที่จะถือเป็น 'การรับรู้' ซึ่งปราศจากภาพลวงตาเช่นกัน”

บรรลุวิสัยทัศน์ทั่วไป

เพื่อให้ชัดเจน การบรรลุวิสัยทัศน์ทั่วไปสำหรับ AI ระดับมนุษย์ (หรือดีกว่า) ไม่ใช่แค่การฝึกให้พวกเขารับรู้ภาพลวงตามาตรฐานเท่านั้น ไม่มีความสามารถเฉพาะเจาะจงมากเกินไปในการถอดรหัสภาพลวงตา Magic Eye ด้วยความแม่นยำ 99.9% ใน 0.001 วินาทีที่จะมาแทนที่วิวัฒนาการของมนุษย์นับล้านปีได้

(ที่น่าสนใจคือ แมชชีนวิชันมีภาพลวงตาในรูปแบบของตัวเองอยู่แล้วในรูปแบบของแบบจำลองที่ขัดแย้งกัน ซึ่งสามารถทำให้เกิดข้อผิดพลาดได้ ดังภาพประกอบที่น่าตกใจภาพหนึ่ง เต่าของเล่นจากการพิมพ์ 3 มิติสำหรับปืนไรเฟิล. อย่างไรก็ตาม สิ่งเหล่านี้ไม่ได้ให้ประโยชน์เชิงวิวัฒนาการเช่นเดียวกับภาพลวงตาที่ทำงานกับมนุษย์)

อย่างไรก็ตาม การทำให้เครื่องจักรเข้าใจภาพลวงตาของมนุษย์ และตอบสนองต่อสิ่งเหล่านั้นในแบบที่เราทำ อาจเป็นการวิจัยที่มีประโยชน์มาก

และสิ่งหนึ่งที่แน่นอน: เมื่อ General Vision AI เป็น สำเร็จแล้ว มันก็จะตกเป็นภาพลวงตาแบบเดียวกับที่เราทำ อย่างน้อย ในกรณีของ Illusory Expanding Hole พวกเรา 86%

คำแนะนำของบรรณาธิการ

• Wix ใช้ ChatGPT เพื่อช่วยคุณสร้างเว็บไซต์ทั้งหมดได้อย่างรวดเร็ว
• OpenAI สร้างทีมใหม่เพื่อหยุดยั้ง AI อัจฉริยะที่โกง
• ความคิดอันชาญฉลาดเหล่านี้สามารถช่วยทำให้ AI ชั่วร้ายน้อยลงได้
• เครื่องมือตรวจจับภาพ AI ของ Google ให้ความรู้สึกเหมือนใช้งานได้
• AI สามารถแทนที่งานประมาณ 7,800 ตำแหน่งที่ IBM ซึ่งเป็นส่วนหนึ่งของการหยุดจ้างงานชั่วคราว