211service.com
Głęboka sieć neuronowa uczy się oceniać książki po okładkach
Idiom nigdy nie oceniaj książki po okładce, ostrzega przed ocenianiem czegoś wyłącznie po wyglądzie. A jednak okładki książek mają na celu dać czytelnikom wyobrażenie o treści, aby chcieli wziąć książkę i ją przeczytać. Dobre okładki książek mają być oceniane.
A ludzie są w tym całkiem dobrzy. Stosunkowo łatwo jest wybrać książkę kucharską, biografię lub przewodnik turystyczny po prostu patrząc na okładkę.
I to rodzi interesujące pytanie: czy maszyny mogą oceniać książki także po okładkach? Wiemy już, że oceniają ludzi po ich twarzach.
Dziś otrzymujemy odpowiedź dzięki pracy Briana Kenjiego Iwany i Seiichi Uchidy na Uniwersytecie Kyushu w Japonii. Ci faceci wyszkolili głęboką sieć neuronową, aby studiować okładki książek i określać kategorię książki, z której pochodzą.
Więcej o uczeniu maszynowym
Dzięki nowemu filtrowi zdjęć Facebook ogłasza swój plan, aby sztuczna inteligencja zaatakowała Twój telefon
Narzędzie jest zabawne, ale jest to także misja dla giganta sieci społecznościowych.
StarCraft stanie się kolejnym wielkim placem zabaw dla sztucznej inteligencji
Sztuczna inteligencja będzie wymagać kluczowych postępów, aby grać w grę wideo wypełnioną planowaniem, zgadywaniem i blefowaniem.
Maszyny mogą teraz rozpoznać coś po zobaczeniu tego raz
Algorytmy zwykle potrzebują tysięcy przykładów, aby się czegoś nauczyć. Badacze z Google DeepMind znaleźli sposób na obejście tego.
Dzisiejsza sztuczna inteligencja nie uzasadnia podstawowego dochodu
Nawet najprostsze zadania wymagają umiejętności — takich jak kreatywne rozwiązywanie problemów — których systemy AI nie są jeszcze w stanie wykonać kompetentnie.
Problem językowy AI
Maszyny, które naprawdę rozumieją język, byłyby niezwykle przydatne. Ale nie wiemy, jak je zbudować.
Ich metoda jest prosta. Iwana i Uchida pobrali 137 788 unikalnych okładek książek z Amazon.com wraz z gatunkiem książki. Istnieje 20 możliwych gatunków, ale tam, gdzie książka została wymieniona w więcej niż jednej kategorii, badacze wykorzystali tylko pierwszą.
Następnie para wykorzystała 80 procent zestawu danych do wytrenowania sieci neuronowej w rozpoznawaniu gatunku na podstawie obrazu okładki. Ich sieć neuronowa składa się z czterech warstw, z których każda zawiera do 512 neuronów, które razem uczą się rozpoznawać korelację między projektem okładki a gatunkiem. Para wykorzystała kolejne 10 procent zbioru danych do walidacji modelu, a następnie przetestowała sieć neuronową na ostatnich 10 procentach, aby sprawdzić, jak dobrze kategoryzuje okładki, których nigdy nie widział.
Wyniki stanowią ciekawą lekturę. Algorytm wymienił właściwy gatunek w trzech najlepszych wyborach w ponad 40% przypadków i znalazł go w ponad 20% przypadków. To znacznie lepsze niż przypadek. To pokazuje, że klasyfikacja projektów okładek książek jest możliwa, choć bardzo trudnym zadaniem, mówią Iwana i Uchida.
Niektóre kategorie okazują się łatwiejsze do rozpoznania niż inne. Na przykład książki podróżnicze i książki o komputerach i technologii są stosunkowo łatwe do wykrycia przez sieć neuronową, ponieważ projektanci książek konsekwentnie stosują podobne obrazy i projekty dla tych gatunków.
Sieć neuronowa wykazała również, że książki kucharskie były łatwe do rozpoznania, jeśli zawierały zdjęcia jedzenia, ale były całkowicie niejednoznaczne, jeśli używały innego wzoru, na przykład zdjęcia szefa kuchni.
Biografie i wspomnienia były również problematyczne z algorytmem, który często wybierał historię jako kategorię. Co ciekawe, w przypadku wielu z tych książek historia jest gatunkiem drugorzędnym wymienionym na Amazon, co sugeruje, że algorytm nie został całkowicie oszukany.
Algorytm pomylił też książki dla dzieci z komiksami i powieściami graficznymi, a także książki medyczne i książki naukowe. Być może jest to również zrozumiałe, biorąc pod uwagę podobieństwa między tymi kategoriami.
W tej pracy jest jeden mankament. Iwana i Uchida nie porównali działania swojej sieci neuronowej z ludzką zdolnością rozpoznawania gatunków książek po okładkach. Byłby to interesujący eksperyment, który byłby stosunkowo prosty w przypadku usługi crowdsourcingowej online, takiej jak Amazon Mechanical Turk.
Dopóki ta praca nie zostanie wykonana, nie ma możliwości sprawdzenia, czy maszyny radzą sobie z tym lepiej niż ludzie. Chociaż bez względu na to, jak dobrzy ludzie radzą sobie z tym zadaniem, z pewnością jest tylko kwestią czasu, zanim maszyny prześcigną ich.
Niemniej jednak jest to ciekawa praca, która może pomóc projektantom poprawić swoje umiejętności, jeśli chodzi o okładki książek. Bardziej prawdopodobny wynik jest jednak taki, że można by go wykorzystać do szkolenia maszyn w zakresie projektowania okładek książek bez udziału człowieka. A to oznacza, że projektowanie okładek książek to tylko kolejna praca, która zostanie oddana do podręczników historii.
Nr ref.: arxiv.org/abs/1610.09204 : Ocenianie książki po okładce