Badania odzwierciedla jak AI widzi po drugiej stronie lustra

zaintrygowany jak odbicie zmienia obrazy w subtelnych i nie tak subtelny sposób, zespół badaczy sztucznej inteligencji stosowane w celu zbadania, co odróżnia ich oryginały oprócz odbicia. Ich algorytmy nauczyły się podnieść na nieoczekiwanych wskazówek takich jak części włosów, spojrzenie kierunek i, o dziwo, brody - Ocena z implikacje dla maszyny treningowej uczenie modeli i wykrywania sfałszowane obrazy.

Tekst jest wstecznie. Zegary uruchomienia zegara. Samochody jeździć po niewłaściwej stronie drogi. Prawice stać lewej ręce.

Zaintrygowany tym, jak zmienia się obraz odbicie w subtelnych i nie tak subtelny sposób, zespół naukowców z Cornell University stosować sztuczną inteligencję, aby zbadać, co odróżnia ich oryginały oprócz odbicia. Ich algorytmy nauczyły się podnieść na nieoczekiwanych wskazówek takich jak części włosów, spojrzenie kierunek i, o dziwo, brody, ustalenia mające wpływ na komputerze szkolenia modeli uczenia się i wykrywanie sfałszowane obrazy.

„Wszechświat nie jest symetryczna. Jeśli odwrócić obraz, istnieją różnice”, powiedział Noah Snavely, profesor informatyki na Cornell Tech i główny autor badania, „Visual Chiralność”, zaprezentowane na konferencji 2020 na Computer Vision Wzór i Recognition, która odbyła się 14-19 czerwca wirtualnie. „Jestem zaintrygowany odkryć można dokonać z nowymi sposobami gleaning informacji.”

Zhiqui Lin jest pierwszym na gazety autor; współautorami są Abe Davis, profesor informatyki i Cornell Tech doktora badacz Jin Sun.

Rozróżnienie między oryginalnych obrazów i refleksji jest zaskakująco łatwe zadanie dla AI, Snavely powiedział, podstawowy algorytm głęboka nauka może szybko nauczyć się klasyfikować jeśli obraz został przerzucony z dokładnością 60% do 90%, w zależności od rodzaju obrazów wykorzystywanych do trenować algorytmu. Wiele wskazówek Znalazło się na to trudne dla ludzi do wypowiedzenia.

Reklama

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