Neironu tīkli nesaprot, kas ir optiskās ilūzijas

Melnbaltās optiskās ilūzijas attēls Pixabay

Cilvēka redze ir ārkārtējs objekts. Lai gan tas ir attīstījies īpašās vidēs daudzu miljonu gadu laikā, tas spēj veikt uzdevumus, ko agrīnās vizuālās sistēmas nekad nav piedzīvojušas. Labs piemērs ir lasīšana, tāpat kā mākslīgu objektu, piemēram, automašīnu, lidmašīnu, ceļa zīmju un tā tālāk identificēšana.

Taču vizuālajai sistēmai ir arī labi zināms trūkumu kopums, ko mēs piedzīvojam kā optiskas ilūzijas. Patiešām, pētnieki ir atklājuši daudzus veidus, kā šīs ilūzijas liek cilvēkiem nepareizi novērtēt krāsu, izmēru, izlīdzinājumu un kustību.

Pašas ilūzijas ir interesantas, jo sniedz ieskatu redzes sistēmas un uztveres būtībā. Tātad veidi, kā atrast jaunas ilūzijas, kas izpētītu šīs robežas, būtu ļoti noderīgi.

Koncentriski apļi?

Šeit parādās dziļa mācīšanās. Pēdējos gados mašīnas ir iemācījušās attēlos atpazīt objektus un sejas un pēc tam pašas izveidot līdzīgus attēlus. Tāpēc ir viegli iedomāties, ka mašīnredzes sistēmai ir jāspēj iemācīties atpazīt ilūzijas un pēc tam izveidot tās pašas.

Ienāc Roberts Viljamss un Romāns Jampolskis Luisvilas Universitātē Kentuki štatā. Šie puiši ir mēģinājuši šo varoņdarbu, taču atklājuši, ka viss nav tik vienkārši. Pašreizējās mašīnmācības sistēmas nevar radīt savas optiskās ilūzijas — vismaz vēl ne. Kāpēc ne?

Vispirms nedaudz fona. Jaunākie sasniegumi dziļās mācīšanās jomā ir balstīti uz diviem sasniegumiem. Pirmais ir jaudīgu neironu tīklu pieejamība un viens vai divi programmēšanas triki, kas ļauj tiem labi mācīties.

Otrais ir milzīgu anotētu datu bāzu izveide, no kurām mašīnas var mācīties. Piemēram, lai mācītu mašīnu atpazīt sejas, ir nepieciešami daudzi desmiti tūkstošu attēlu, kuros ir skaidri marķētas sejas. Izmantojot šo informāciju, neironu tīkls var iemācīties pamanīt raksturīgos sejas modeļus, piemēram, divas acis, degunu un mute. Un vēl iespaidīgāk ir tas, ka pāris no tiem, ko sauc par ģeneratīvu pretinieku tīklu, var iemācīt viens otram izveidot reālistiskus, bet pilnīgi sintētiskus seju attēlus.

Viljamss un Jampolskis nolēma iemācīt neironu tīklu tādā pašā veidā identificēt optiskās ilūzijas. Skaitļošanas zirgspēki ir viegli pieejami, bet vajadzīgās datu bāzes nav. Tāpēc pētnieku pirmais uzdevums bija izveidot optisko ilūziju datubāzi apmācībai.

Tas izrādās grūti. Statisko optisko ilūziju attēlu skaits ir tūkstošos, un unikālu ilūziju veidu skaits noteikti ir ļoti mazs, iespējams, tikai daži desmiti, viņi saka.

Tas ir izaicinājums pašreizējām mašīnmācības sistēmām. Viņi saka, ka tāda modeļa izveide, kas spēj mācīties no tik mazas un ierobežotas datu kopas, būtu milzīgs lēciens ģeneratīvajos modeļos un cilvēka redzējuma izpratnē.

Tāpēc Viljamss un Jampolskis apkopoja vairāk nekā 6000 optisko ilūziju attēlu datubāzi un pēc tam apmācīja neironu tīklu, lai tās atpazītu. Pēc tam viņi izveidoja ģeneratīvu pretinieku tīklu, lai radītu sev optiskas ilūzijas.

Rezultāti bija neapmierinoši. Nekas vērtīgs netika radīts pēc 7 stundu apmācības ar Nvidia Tesla K80, saka pētnieki, kuri ir padarījuši savu datubāzi pieejamu citiem lietošanai.

Tomēr tas ir interesants rezultāts. Vienīgās cilvēkiem zināmās optiskās ilūzijas ir radījušas evolūcija (piemēram, acu raksti tauriņa spārnos) vai cilvēku mākslinieki, viņi norāda.

Abos gadījumos cilvēkiem ir izšķiroša loma, sniedzot vērtīgu atgriezenisko saiti — cilvēki to var skat ilūzija.

Bet mašīnredzes sistēmas nevar. Šķiet maz ticams, ka [ģeneratīvs pretinieku tīkls] varētu iemācīties apmānīt cilvēka redzi, nespējot saprast šo ilūziju pamatā esošos principus, saka Viljamss un Jampolskis.

Tie var nebūt viegli, jo pastāv būtiskas atšķirības starp mašīnredzes sistēmām un cilvēka redzes sistēmu. Dažādi pētnieki izstrādā neironu tīklus, kas arvien vairāk atgādina cilvēka vizuālo sistēmu. Varbūt interesants pārbaudījums būs, vai viņi spēj saskatīt ilūzijas vai nē.

Tikmēr Viljamsa un Jampoļskis nav optimistiski noskaņoti. Šķiet, ka ilūziju attēlu datu kopa var nebūt pietiekama, lai radītu jaunas ilūzijas, viņi saka. Tātad šobrīd optiskās ilūzijas ir cilvēka pieredzes bastions, ko mašīnas nevar uzvarēt.

Atsauce: arxiv.org/abs/1810.00415 : optisko ilūziju attēlu datu kopa

paslēpties