211service.com
Sieci neuronowe nie rozumieją, czym są złudzenia optyczne
Obraz czarno-białej iluzji optycznej Pixabay
Wzrok człowieka to niezwykłe ułatwienie. Chociaż ewoluował w określonych środowiskach przez wiele milionów lat, jest zdolny do zadań, których nigdy nie doświadczyły wczesne systemy wizualne. Dobrym przykładem jest czytanie, podobnie jak identyfikowanie sztucznych obiektów, takich jak samochody, samoloty, znaki drogowe i tak dalej.
Ale system wizualny ma również dobrze znany zestaw niedociągnięć, których doświadczamy jako złudzenia optyczne. Rzeczywiście, naukowcy zidentyfikowali wiele sposobów, w jakie te iluzje powodują, że ludzie źle oceniają kolor, rozmiar, ułożenie i ruch.
Same iluzje są interesujące, ponieważ dają wgląd w naturę systemu wzrokowego i percepcji. Tak więc sposoby znajdowania nowych iluzji, które badają te ograniczenia, byłyby niezwykle przydatne.
Koncentryczne koła?
I tu właśnie pojawia się głębokie uczenie. W ostatnich latach maszyny nauczyły się rozpoznawać obiekty i twarze na obrazach, a następnie same tworzyć podobne obrazy. Łatwo więc sobie wyobrazić, że system widzenia maszynowego powinien być w stanie nauczyć się rozpoznawać iluzje, a następnie tworzyć własne.
Wprowadź Roberta Williamsa i Romana Yampolskiy na University of Louisville w Kentucky. Ci faceci próbowali tego wyczynu, ale odkryli, że sprawy nie są takie proste. Obecne systemy uczenia maszynowego nie mogą generować własnych złudzeń optycznych — przynajmniej jeszcze nie. Dlaczego nie?
Najpierw trochę tła. Ostatnie postępy w uczeniu głębokim opierają się na dwóch postępach. Pierwszym z nich jest dostępność potężnych sieci neuronowych i jednej lub dwóch sztuczek programistycznych, które czynią je dobrymi w nauce.
Drugi to tworzenie ogromnych baz danych z adnotacjami, z których maszyny mogą się uczyć. Na przykład nauczenie maszyny rozpoznawania twarzy wymaga wielu dziesiątek tysięcy obrazów zawierających twarze, które są wyraźnie oznaczone. Dzięki tym informacjom sieć neuronowa może nauczyć się rozpoznawać charakterystyczne wzory twarzy — na przykład dwoje oczu, nos i usta. Co jeszcze bardziej imponujące, para z nich — zwana generatywną siecią adwersarzy — może nauczyć się nawzajem tworzenia realistycznych, ale całkowicie syntetycznych obrazów twarzy.
Williams i Yampolskiy postanowili nauczyć sieć neuronową, jak identyfikować złudzenia optyczne w ten sam sposób. Moc obliczeniowa jest łatwo dostępna, ale niezbędne bazy danych już nie. Dlatego pierwszym zadaniem naukowców było stworzenie bazy danych iluzji optycznych do treningu.
To okazuje się trudne. Liczba statycznych obrazów iluzji optycznych wynosi kilka tysięcy, a liczba unikalnych rodzajów iluzji jest z pewnością bardzo niska, może tylko kilkadziesiąt, jak mówią.
Stanowi to wyzwanie dla obecnych systemów uczenia maszynowego. Stworzenie modelu zdolnego do uczenia się na podstawie tak małego i ograniczonego zestawu danych stanowiłoby ogromny skok w modelach generatywnych i zrozumieniu ludzkiego wzroku.
Tak więc Williams i Yampolskiy skompilowali bazę danych zawierającą ponad 6000 obrazów złudzeń optycznych, a następnie wyszkolili sieć neuronową, aby je rozpoznać. Następnie zbudowali generatywną sieć przeciwników, aby stworzyć dla siebie złudzenia optyczne.
Wyniki były rozczarowujące. Nic wartościowego nie powstało po 7 godzinach treningu na Nvidia Tesla K80, twierdzą naukowcy, którzy udostępnili swoją bazę danych innym użytkownikom.
Niemniej jest to ciekawy wynik. Zwracają uwagę, że jedyne znane ludziom iluzje optyczne zostały stworzone przez ewolucję (np. wzory oczu na skrzydłach motyla) lub przez artystów.
W obu przypadkach ludzie odgrywają kluczową rolę, dostarczając cennych informacji zwrotnych — ludzie mogą zobaczyć iluzja.
Ale systemy widzenia maszynowego nie. Wydaje się mało prawdopodobne, aby [generatywna sieć przeciwników] mogła nauczyć się oszukiwać ludzki wzrok, nie będąc w stanie zrozumieć zasad kryjących się za tymi iluzjami, mówią Williams i Yampolskiy.
Mogą nie być łatwe, ponieważ istnieją zasadnicze różnice między systemami widzenia maszynowego a systemem widzenia człowieka. Różni badacze opracowują sieci neuronowe, które coraz bardziej przypominają ludzki układ wzrokowy. Być może ciekawym testem będzie to, czy widzą złudzenia, czy nie.
Tymczasem Williams i Yampolskiy nie są optymistami. Wydaje się, że zbiór danych obrazów iluzji może nie wystarczyć do stworzenia nowych iluzji, mówią. Na razie więc iluzje optyczne są bastionem ludzkiego doświadczenia, którego maszyny nie mogą pokonać.
Nr ref.: arxiv.org/abs/1810.00415 : Zestaw danych obrazów złudzeń optycznych