Найдена проблема, сбивающая с толку современный искусственный интеллект

Представьте, что вы просматриваете фотографии на своем телефоне и натыкаетесь на изображение, которое сначала не можете распознать. Похоже на что-то нечеткое на диване; может это быть подушка или пальто? Через пару секунд щелкает — конечно! Этот пух — кот твоего друга Мокко. Хотя некоторые из ваших фотографий можно было понять мгновенно, почему с фотографией кота было намного сложнее? Исследователи Лаборатории компьютерных наук и искусственного интеллекта MIT (CSAIL) были удивлены, обнаружив, что, несмотря на решающую важность понимания визуальных данных в ключевых областях От здравоохранения до транспорта и бытовых устройств — понятие сложности распознавания изображений для людей почти полностью игнорируется. Одной из основных движущих сил прогресса в области искусственного интеллекта на основе глубокого обучения стали наборы данных, однако мы мало знаем о том, как данные способствуют прогрессу в крупномасштабном глубоком обучении, за исключением того, что чем больше, тем лучше. В реальных приложениях, требующих понимания визуальных данных, люди превосходят модели распознавания объектов, несмотря на то, что модели хорошо работают с текущими наборами данных, в том числе те, которые специально созданы для того, чтобы бросить вызов машинам с помощью искаженных изображений или изменений в дистрибуции. Эта проблема сохраняется отчасти потому, что у нас нет указаний относительно абсолютной сложности изображения или набора данных. Без учета сложности изображений, используемых для оценки, трудно объективно оценить прогресс в достижении производительности человеческого уровня, охватить диапазон человеческих способностей и усложнить задачу, создаваемую набором данных. Чтобы восполнить этот пробел в знаниях, Дэвид Мэйо, доктор философии Массачусетского технологического института. Студент факультета электротехники и информатики и член CSAIL погрузился в глубокий мир наборов данных изображений, исследуя, почему одни изображения труднее распознавать людям и машинам, чем другие. «Распознавание некоторых изображений по своей природе требует больше времени, и важно понимать активность мозга во время этого процесса и ее связь с моделями машинного обучения. Возможно, в наших нынешних моделях отсутствуют сложные нейронные цепи или уникальные механизмы, видимые только при тестировании со сложными визуальными стимулами. Это исследование имеет решающее значение для понимания и улучшения моделей машинного зрения», — сказал он. говорит Мэйо, ведущий автор новой статьи об этой работе. Это привело к разработке нового показателя — «минимального времени просмотра». (MVT), который количественно определяет сложность распознавания изображения на основе того, как долго человеку необходимо его рассматривать, прежде чем правильно идентифицировать. Используя подмножество ImageNet, популярного набора данных в машинном обучении, и ObjectNet, набора данных, предназначенного для проверки надежности распознавания объектов, команда показывала участникам изображения разл...

Сообщает android-robot.com

 

Опубликовано: 07:45, 17.12.2023

 

Новость из рубрики: Интернет, Игры

 

Поделиться новостью:

 

Топ новости часа

• Школьники и студенты колледжей Брянской области могут проверить свои знания в отборочных играх всероссийского чемпионата по игре «Что? Где? Когда?»...
• РФС мечтает провести Евро, крупная победа «Ливерпуля», Хабиб против Лиги 1, Онана и эмодзи гориллы, ЭСК признала ошибку с неудалением за удар Клаудиньо и другие новости...
• Молодёжный образовательный форум ПФО «iВолга» завершился в Самарской области...
• Агент Сафонов о переходе Севикяна в «Ференцварош»: «У Эдгара перед глазами пример Сперцяна, которого «Аякс» не купил из РПЛ»...
• Курские онкологи проконсультировали 73 человека на выставке-форуме «Россия»...
• Промокод 1xbet: где взять и как использовать бонус код 1хбет при регистрации...