211service.com
Diep neuraal netwerk leert boeken beoordelen op hun omslag
Het idioom dat een boek nooit op zijn omslag beoordeelt, waarschuwt ervoor om iets niet te beoordelen op basis van hoe het eruitziet. En toch zijn boekomslagen ontworpen om lezers een idee te geven van de inhoud, zodat ze een boek willen oppakken en lezen. Goede boekomslagen zijn ontworpen om te worden beoordeeld.
En daar zijn mensen best goed in. Het is relatief eenvoudig om een kookboek, een biografie of een reisgids uit te zoeken door alleen maar naar de omslag te kijken.
En dat roept een interessante vraag op: kunnen machines boeken ook beoordelen op hun omslag? We weten al dat ze mensen op hun gezicht beoordelen.
Vandaag krijgen we een antwoord dankzij het werk van Brian Kenji Iwana en Seiichi Uchida aan de Kyushu University in Japan. Deze jongens hebben een diep neuraal netwerk getraind om boekomslagen te bestuderen en te bepalen uit welke categorie boeken ze komen.
Meer over machine learning
Met zijn nieuwe fotofilter kondigt Facebook zijn plan aan om AI je telefoon te laten binnendringen
De tool is leuk, maar het is ook een missieverklaring voor de sociale netwerkgigant.
StarCraft wordt de volgende grote speeltuin voor AI
Kunstmatige intelligentie vereist belangrijke vooruitgang om een videogame vol planning, giswerk en bluffen te kunnen spelen.
Machines kunnen nu iets herkennen nadat ze het een keer hebben gezien
Algoritmen hebben meestal duizenden voorbeelden nodig om iets te leren. Onderzoekers van Google DeepMind hebben daar een manier voor gevonden.
De kunstmatige intelligentie van vandaag rechtvaardigt het basisinkomen niet
Zelfs de eenvoudigste banen vereisen vaardigheden, zoals creatieve probleemoplossing, die AI-systemen nog niet competent kunnen uitvoeren.
AI's taalprobleem
Machines die taal echt begrijpen, zouden ongelooflijk nuttig zijn. Maar we weten niet hoe we ze moeten bouwen.
Hun methode is eenvoudig. Iwana en Uchida hebben 137.788 unieke boekomslagen gedownload van Amazon.com, samen met het genre van het boek. Er zijn 20 mogelijke genres, maar waar een boek in meer dan één categorie werd vermeld, gebruikten de onderzoekers alleen de eerste.
Vervolgens gebruikte het paar 80 procent van de dataset om een neuraal netwerk te trainen om het genre te herkennen door naar de omslagafbeelding te kijken. Hun neurale netwerk heeft vier lagen, elk met maximaal 512 neuronen, die samen de correlatie tussen hoesontwerp en genre leren herkennen. Het paar gebruikte nog eens 10 procent van de dataset om het model te valideren en testte vervolgens het neurale netwerk op de laatste 10 procent om te zien hoe goed het covers categoriseert die het nog nooit heeft gezien.
De resultaten zorgen voor interessante lectuur. Het algoritme vermeldde meer dan 40 procent van de tijd het juiste genre in de top 3 van keuzes en vond het exacte genre meer dan 20 procent van de tijd. Dat is aanzienlijk beter dan toeval. Dit toont aan dat classificatie van boekomslagontwerpen mogelijk is, hoewel een zeer moeilijke taak, zeggen Iwana en Uchida.
Sommige categorieën blijken gemakkelijker te herkennen dan andere. Reisboeken en boeken over computer en technologie zijn bijvoorbeeld relatief gemakkelijk te herkennen voor het neurale netwerk, omdat boekontwerpers consequent vergelijkbare afbeeldingen en ontwerpen gebruiken voor deze genres.
Het neurale net ontdekte ook dat kookboeken gemakkelijk te herkennen waren als ze afbeeldingen van voedsel gebruikten, maar volledig dubbelzinnig waren als ze een ander ontwerp gebruikten, zoals een afbeelding van de chef-kok.
Biografieën en memoires waren ook problematisch omdat het algoritme vaak geschiedenis als categorie selecteerde. Interessant is dat voor veel van deze boeken geschiedenis het secundaire genre is dat op Amazon wordt vermeld, wat suggereert dat het algoritme niet helemaal in de war was.
Het algoritme verwarde ook kinderboeken met strips en graphic novels, evenals medische boeken en wetenschappelijke boeken. Wellicht ook begrijpelijk gezien de overeenkomsten tussen deze categorieën.
Er is één tekortkoming in dit werk. Iwana en Uchida hebben de prestaties van hun neurale netwerk niet vergeleken met het vermogen van mensen om boekgenres te herkennen aan hun omslag. Dat zou een interessant experiment zijn en een die relatief eenvoudig te doen zou zijn met een online crowdsourcing-service zoals Amazon's Mechanical Turk.
Totdat dat werk is gedaan, is er geen manier om te weten of machines beter zijn in deze taak dan mensen. Hoewel, hoe goed mensen ook zijn in deze taak, het zeker slechts een kwestie van tijd is voordat machines hen overtreffen.
Desalniettemin is dit interessant werk dat ontwerpers kan helpen hun vaardigheden op het gebied van boekomslagen te verbeteren. Een meer waarschijnlijke uitkomst is echter dat het kan worden gebruikt om machines te trainen om boekomslagen te ontwerpen zonder menselijke tussenkomst. En dat betekent dat het ontwerpen van boekomslagen gewoon een andere taak is die naar de geschiedenisboeken zal worden verwezen.
Referentie: arxiv.org/abs/1610.09204 : Een boek beoordelen op zijn omslag