Neuroznanstvenici poboljšavaju računalni vid
- Objavljeno u Znanost
Modeli računalnog vida poznati kao konvolucijske neuronske mreže, predstavljaju ključni dio algoritama dubokog učenja u području računalnog vida i mogu se trenirati za prepoznavanje objekata gotovo istom preciznošću kao što to čine ljudi.
Međutim, kod tih modela postoji jedan veliki nedostatak, a to su male, ljudskom oku neprimjetne promjene u slici, koje mogu uzrokovati da AI klasificira mačku kao drvo.
Tim neuroznanstvenika MIT-a, Harvarda i IBM-a, uspio je riješiti taj problem, dodavanjem novog sloja modelu, koji je dizajniran da oponaša primarni vidni korteks mozga, poznat kao V1. U svojoj novoj studiji znanstvenici demonstriraju da taj novi layer značajno unaprjeđuje točnost modela u prepoznavanju i svladavanju tog tipa grešaka.
Kao prvi korak u svojoj studiji, istraživači su analizirali izvedbu 30 postojećih modela računalnog vida i otkrili da su modeli čiji se unutarnji odgovori bolje podudaraju s odgovorima V1 u ljudskom mozgu, manje osjetljivi na greške nastale uslijed promjena detalja u slikama, odnosno, čini se da je sličnost modela s V1 činilo model robusnijim. Kako bi dodatno testirali i iskoristili tu ideju, istraživači su odlučili stvoriti vlastiti model V1, zasnovan na postojećim neuroznanstvenim modelima, i postaviti ga na konvolucijske neuronske mreže koje su već razvijene za prepoznavanje objekata.
Kada su istraživači dodali svoj sloj koji oponaša V1, koji je također implementiran kao konvolucijska neuronska mreža, na tri od ovih modela otkrili su da su ti modeli postali otprilike četiri putaotporniji na pogreške na slikama. Modeli su također bili manje osjetljivi na pogrešno identificiranje objekata koji su bili zamagljeni ili iskrivljeni.
"Činjenica da dodavanje elemenata nadahnutih neuroznanošću može poboljšati robusnost, u biti sugerira da AI još uvijek može puno naučiti iz neuroznanosti i obrnuto ”, navodi David Cox, direktor MIT-IBM Watson AI Laba.
Koliko je ovo istraživanje važno za poboljšavanje računalnog vida uz moguću primjenu na mnogim područjima, svjedoči podatak da su ga financirali postdoktorska fondacija za informatiku PhRMA Foundation, Semiconductor Research Corporation, DARPA, MIT Shoemaker Fellowship, Američki Ured za pomorska istraživanja, Simons Foundation i MIT-IBM Watson AI Lab.
Čitav znanstveni rad možete preuzeti na ovoj poveznici.