Waarom machinevisie op dezelfde manier gebrekkig is als menselijke visie

Diepe convolutionele neurale netwerken hebben de wereld van kunstmatige intelligentie stormenderhand veroverd. Deze machines presteren nu routinematig beter dan mensen in taken variërend van gezichts- en objectherkenning tot het spelen van het oude spel Go.

De ironie is natuurlijk dat neurale netwerken werden geïnspireerd door de structuur van de hersenen. Het blijkt dat er opmerkelijke overeenkomsten zijn tussen de bredere structuur van de diepe convolutionele neurale netwerken achter machinevisie en de structuur van de hersenen die verantwoordelijk zijn voor visie. Een daarvan is in de loop van miljoenen jaren geëvolueerd, de andere is in de loop van slechts enkele decennia ontstaan. Maar beide lijken op dezelfde manier te werken.

En dat roept een interessante vraag op: als machinevisie en menselijke visie op vergelijkbare manieren werken, worden ze dan ook beperkt door dezelfde beperkingen? Worstelen mens en machine met dezelfde visiegerelateerde uitdagingen?

Vandaag krijgen we een antwoord dankzij het werk van Saeed Reza Kheradpisheh aan de Universiteit van Teheran in Iran en een paar vrienden van over de hele wereld. Deze jongens hebben mensen en machines getest met dezelfde visie-uitdagingen en ontdekten dat ze inderdaad met dezelfde soort problemen worstelen.

Eerst wat achtergrond. Het pad in de hersenen dat verantwoordelijk is voor het gezichtsvermogen werkt in verschillende lagen, waarvan men denkt dat elk ervan geleidelijk meer informatie uit een afbeelding haalt, zoals beweging, vorm, kleur, enzovoort. Elke laag bestaat uit enorme aantallen neuronen die zijn verbonden in een enorm netwerk.

Diepe convolutie neurale netwerken hebben een vergelijkbare structuur. Ook zij zijn opgebouwd uit lagen, en elk van deze is een netwerk van circuits die zijn ontworpen om het gedrag van neuronen na te bootsen, vandaar de term neuraal netwerk.

Met veel vallen en opstaan ​​hebben computerwetenschappers ontdekt dat deze lagen het beste presteren wanneer ze geleidelijk meer informatie over een afbeelding extraheren. En als ze het gedrag van lagen afzonderlijk bekijken, vinden ze opmerkelijke overeenkomsten met de functie van specifieke lagen in de hersenen.

Maar hoewel het menselijk brein goed is in objectherkenning, is het niet perfect. Verander de afbeelding op de een of andere manier en het is niet altijd gemakkelijk om het object dat het bevat te herkennen.

Stel je bijvoorbeeld een foto van een auto voor, genomen vanaf de zijkant. Er zijn verschillende manieren waarop deze afbeelding kan worden gewijzigd. Een daarvan is om het object te vertalen, om het van het ene deel van het beeld naar het andere te verplaatsen. Een andere is om het te vergroten of te verkleinen.

Dan zijn er twee soorten rotatie. Een daarvan is een in plane rotatie die de auto van de zijkant maar bijvoorbeeld ondersteboven laat zien.

Er zijn ook rotaties in de diepte. In dit geval moet je je de auto voorstellen als een 3D-object van opzij gezien. Door in diepte te roteren wordt de auto dan van voren, van achteren of van een driekwart aanzicht getoond enzovoort.

Maar gezien twee foto's van dezelfde auto vanuit verschillende gezichtspunten, hoe moeilijk is het om er zeker van te zijn dat beide hetzelfde voertuig tonen? Het is duidelijk dat sommige soorten vervorming uitdagender zijn dan andere, maar welke? En hebben machines hetzelfde probleem?

Om daar achter te komen, produceerden Kheradpisheh en co beeldvariaties van vier verschillende soorten objecten en testten vervolgens hoe goed mensen en diepe convolutionele neurale netwerken omgaan met de taak om ze te herkennen.

De test voor mensen omvat het willekeurig kiezen van een afbeelding en deze gedurende 12,5 milliseconden op een scherm weergeven. De proefpersoon moet dan op een van de vier knoppen drukken om aan te geven of de afbeelding van een auto, schip, motorfiets of dier is.

Het team testte in totaal 89 verschillende mensen die elk 960 afbeeldingen bekeken. De onderzoekers gebruikten de snelheid en nauwkeurigheid van de reactie van elk onderwerp als een maatstaf voor hoe goed ze elk object herkenden.

Het team voerde ook een gelijkwaardige test uit op twee van de krachtigste diepe convolutionele netwerken die worden gebruikt voor objectherkenning, één ontwikkeld aan de Universiteit van Toronto in Canada en de andere aan de Universiteit van Oxford in het VK.

De resultaten zorgen voor interessante lectuur. We ontdekten dat mensen en DCNN's het grotendeels eens waren over de relatieve moeilijkheden van elk soort variatie, zeggen Kheradpisheh en co. Rotatie in diepte is verreweg de moeilijkste transformatie om te hanteren, gevolgd door schaal, dan rotatie in het vlak en tenslotte positie (veel gemakkelijker).

Dat is interessant werk met een aantal directe implicaties. Om te beginnen zullen computerwetenschappers veel voorzichtiger moeten zijn in de manier waarop ze databases maken voor het testen van machinevisie. In de toekomst zullen ze moeten controleren op de factoren die machines moeilijker vinden.

Maar het toont ook het potentieel aan voor diepe convolutionele neurale netwerken om de manier waarop menselijke cognitie werkt te onderzoeken. Het ontwerpen van bepaalde afbeeldingen is een kritieke taak in toepassingen zoals luchtverkeersleiding, nooduitgangen, instructies voor het gebruik van levensreddende apparatuur, enzovoort.

Het gebruik van mensen om deze beelden te evalueren is een tijdrovende en dure aangelegenheid. Maar misschien zouden dit soort neurale netwerken in plaats daarvan het werk kunnen doen, of in ieder geval de ergste voorbeelden uitsluiten en mensen een veel beter gedefinieerde en minder zware taak achterlaten.

Daarnaast is het misschien mogelijk om machine vision-systemen te ontwerpen die niet op dezelfde manier voor de gek worden gehouden als mensen en zo de menselijke besluitvorming in kritieke situaties zoals autorijden kunnen vergroten.

En dat is nog maar het begin. Neurale netwerken zorgen nu al voor een revolutie in allerlei taken die voorheen voorbehouden waren aan mensen - die verandering zal alleen maar versnellen.

Referentie: arxiv.org/abs/1604.06486 : Mensen en diepe netwerken zijn het grotendeels eens over welke soorten variatie objectherkenning moeilijker maken

zich verstoppen