La investigación refleja cómo AI ve a través del espejo

intrigado por cómo cambia la reflexión imágenes de maneras sutiles y no tan sutiles, un equipo de investigadores utiliza inteligencia artificial para investigar lo que distingue a los originales, aparte de sus reflexiones. Sus algoritmos aprendido a recoger en pistas inesperadas, tales como piezas para el cabello, la mirada dirección y, sorprendentemente, las barbas - hallazgos con implicaciones para el aprendizaje de máquina de entrenamiento modelos y detectar imágenes falsas.

El texto es al revés. Relojes funcionan en sentido antihorario. Se conduce por el lado equivocado de la carretera. la mano derecha se convierten en la mano izquierda.

Intrigado por cómo cambia la reflexión imágenes de maneras sutiles y no tan sutiles, un equipo de investigadores de la Universidad de Cornell utiliza inteligencia artificial para investigar lo que distingue a los originales, aparte de sus reflexiones. Sus algoritmos aprendido a recoger en pistas inesperadas, tales como piezas para el cabello, la mirada dirección y, sorprendentemente, las barbas, los hallazgos con implicaciones para el aprendizaje de máquina de entrenamiento modelos y detectar imágenes falsas.

"El universo no es simétrico. Si le da la vuelta una imagen, hay diferencias", dijo Noah Snavely, profesor asociado de ciencias de la computación en Cornell Tech y autor principal del estudio, "Visual quiralidad", presentado en la Conferencia de 2020 sobre la visión de computadora y Reconocimiento de Patrones, mantuvo prácticamente de junio de 14-19. "Estoy intrigado por los descubrimientos se pueden hacer con las nuevas formas de información que revelan."

Zhiqui Lin es el primer autor del papel; co-autores son Abe Davis, profesor asistente de ciencias de la computación, y Cornell Tech investigador postdoctoral Jin Sun.

La diferenciación entre las imágenes y reflexiones originales es una tarea sorprendentemente fácil para AI, dijo Snavely, un algoritmo básico de aprendizaje profundo puede aprender rápidamente cómo clasificar si una imagen se ha girado con el 60% y el 90% de precisión, en función de los tipos de imágenes que se utilizan para entrenar el algoritmo. Muchas de las pistas se recoge son difícil para los humanos aviso.

anuncio

fuente: Cornell University. "Research reflects how AI sees through the looking glass." ScienceDaily. ScienceDaily, 2 July 2020. <www.sciencedaily.com/releases/2020/07/200702152445.htm>.