211service.com
AI leert de wereld te zien, maar niet zoals mensen dat doen
Computervisie heeft een moment gehad. Een algoritme voor beeldherkenning maakt geen domme fouten meer bij het kijken naar de wereld: tegenwoordig kan het je nauwkeurig vertellen dat een afbeelding een kat bevat. Maar de manier waarop het de feesttruc uithaalt, is misschien niet zo bekend bij mensen als we dachten.
De meeste computervisiesystemen identificeren kenmerken in afbeeldingen met behulp van neurale netwerken, die zijn geïnspireerd door onze eigen biologie en erg op elkaar lijken in hun architectuur - alleen hier worden de biologische waarneming en neuronen verwisseld voor wiskundige functies. Nu zegt een onderzoek door onderzoekers van Facebook en Virginia Tech dat ondanks die overeenkomsten, we moeten voorzichtig zijn in de veronderstelling dat beide op dezelfde manier werken .
Om precies te zien wat er gebeurde toen zowel mensen als AI een afbeelding analyseerden, bestudeerden de onderzoekers waar de twee hun aandacht op richtten. Beiden kregen wazige beelden en stelden vragen over wat er op de foto gebeurde: Waar is de kat? bijvoorbeeld. Delen van de afbeelding konden selectief worden verscherpt, één voor één, en zowel mens als AI deden dit totdat ze de vraag konden beantwoorden. Het team herhaalde de tests met verschillende algoritmen.
Het is duidelijk dat ze allebei antwoorden konden geven, maar het interessante resultaat is hoe ze dat deden. Op een schaal van 1 tot -1, waarbij 1 totale overeenstemming is en -1 totale oneens, scoorden twee mensen gemiddeld 0,63 voor wat betreft waar ze hun aandacht op de afbeelding richtten. Met een mens en een AI zakte het gemiddelde naar 0,26.
Met andere woorden: de AI en de mens keken allebei naar hetzelfde beeld, kregen allebei dezelfde vraag, ze hadden het allebei goed, maar gebruikten verschillende visuele kenmerken om tot dezelfde conclusies te komen.
Dit is een expliciet resultaat over een fenomeen waar onderzoekers al op hadden gehint. In 2014 toonde een team van Cornell University en de University of Wyoming aan dat het mogelijk was om afbeeldingen te maken die AI voor de gek houden om iets te zien, simpelweg door een afbeelding te maken die bestaat uit de sterke visuele kenmerken die de software was gaan associëren met een object . Mensen hebben een grote hoeveelheid gezond verstand om uit te putten, wat betekent dat ze niet door dergelijke trucs worden betrapt. Dat is iets wat onderzoekers proberen op te nemen in een nieuw soort intelligente software die de semantische visuele wereld begrijpt.
Maar alleen omdat computers niet dezelfde aanpak gebruiken, wil nog niet zeggen dat ze inferieur zijn. Sterker nog, ze kunnen de menselijke benadering misschien beter helemaal negeren.
De soorten neurale netwerken die in computervisie worden gebruikt, maken meestal gebruik van een techniek die bekend staat als gesuperviseerd leren om uit te zoeken wat er in een afbeelding gebeurt. Uiteindelijk wordt hun vermogen om een complexe combinatie van patronen, texturen en vormen te associëren met de naam van een object mogelijk gemaakt door de AI te voorzien van een trainingsset met afbeeldingen waarvan de inhoud al door een mens is gelabeld.
Maar teams bij Facebook en Google's DeepMind hebben geëxperimenteerd met leersystemen zonder toezicht die inhoud van video en afbeeldingen opnemen om te leren hoe menselijke gezichten en alledaagse voorwerpen eruit zien, zonder enige menselijke tussenkomst. Magic Pony, onlangs gekocht door Twitter, schuwt ook begeleid leren, in plaats daarvan leert hij statistische patronen in afbeeldingen te herkennen om zichzelf te leren hoe randen, texturen en andere functies eruit zouden moeten zien.
In deze gevallen is het misschien nog minder waarschijnlijk dat de kennis van de AI wordt gegenereerd via een proces dat lijkt op dat van een mens. Ooit geïnspireerd door menselijke hersenen, kan AI ons verslaan door simpelweg zichzelf te zijn.
(Lees verder: nieuwe wetenschapper , De ontbrekende schakel van kunstmatige intelligentie , 'slimme' software kan worden misleid om te zien wat er niet is )