211service.com
Warum das maschinelle Sehen genauso fehlerhaft ist wie das menschliche Sehen
Deep Convolutional Neural Networks haben die Welt der künstlichen Intelligenz im Sturm erobert. Diese Maschinen übertreffen heute routinemäßig Menschen bei Aufgaben, die von der Gesichts- und Objekterkennung bis zum Spielen des alten Go-Spiels reichen.
Die Ironie ist natürlich, dass neuronale Netze von der Struktur des Gehirns inspiriert wurden. Es stellt sich heraus, dass es bemerkenswerte Ähnlichkeiten zwischen der breiteren Struktur der Deep Convolutional Neural Networks hinter dem maschinellen Sehen und der Struktur des Gehirns gibt, das für das Sehen verantwortlich ist. Das eine hat sich über Jahrmillionen entwickelt, das andere ist im Laufe weniger Jahrzehnte entstanden. Aber beide scheinen auf die gleiche Weise zu funktionieren.
Und das wirft eine interessante Frage auf: Wenn maschinelles Sehen und menschliches Sehen auf ähnliche Weise funktionieren, unterliegen sie dann auch den gleichen Beschränkungen? Haben Mensch und Maschine mit den gleichen Sehproblemen zu kämpfen?
Heute erhalten wir dank der Arbeit von Saeed Reza Kheradpisheh von der Universität Teheran im Iran und einiger Freunde aus der ganzen Welt eine Antwort. Diese Jungs haben Menschen und Maschinen mit denselben Sehproblemen getestet und festgestellt, dass sie tatsächlich mit denselben Problemen zu kämpfen haben.
Zuerst etwas Hintergrund. Der für das Sehen verantwortliche Pfad im Gehirn arbeitet in mehreren Schichten, von denen jede davon ausgeht, dass sie nach und nach mehr Informationen aus einem Bild extrahiert, wie z. B. Bewegung, Form, Farbe und so weiter. Jede Schicht besteht aus einer riesigen Anzahl von Neuronen, die zu einem riesigen Netzwerk verbunden sind.
Deep Convolution Neural Networks haben eine ähnliche Struktur. Auch sie bestehen aus Schichten, und jede davon ist ein Netzwerk von Schaltkreisen, die das Verhalten von Neuronen nachahmen sollen, daher der Begriff neuronales Netzwerk.
Durch viel Versuch und Irrtum haben Informatiker herausgefunden, dass diese Schichten am besten funktionieren, wenn jede nach und nach mehr Informationen über ein Bild extrahiert. Und wenn sie sich das Verhalten einzelner Schichten ansehen, finden sie bemerkenswerte Ähnlichkeiten mit der Funktion bestimmter Schichten im Gehirn.
Das menschliche Gehirn ist zwar gut in der Objekterkennung, aber nicht perfekt. Ändern Sie das Bild auf irgendeine Weise, und es ist nicht immer einfach, das darin enthaltene Objekt zu erkennen.
Stellen Sie sich zum Beispiel ein Bild von einem Auto vor, das von der Seite aufgenommen wurde. Es gibt verschiedene Möglichkeiten, dieses Bild zu ändern. Einer besteht darin, das Objekt zu verschieben, es von einem Teil des Bildes zu einem anderen zu verschieben. Eine andere besteht darin, es zu vergrößern oder zu verkleinern.
Dann gibt es zwei Arten von Drehungen. Zum Beispiel eine Rotation in der Ebene, die das Auto von der Seite zeigt, aber auf dem Kopf steht.
Es gibt auch Rotationen in die Tiefe. In diesem Fall muss man sich das Auto als 3D-Objekt von der Seite gesehen vorstellen. Eine Drehung in die Tiefe zeigt dann das Auto von vorne, von hinten oder in einer Dreiviertelansicht und so weiter.
Aber wie schwer ist es, bei zwei Bildern desselben Autos aus unterschiedlichen Blickwinkeln sicher zu sein, dass beide dasselbe Fahrzeug zeigen? Natürlich sind einige Arten von Verzerrungen herausfordernder als andere – aber welche? Und haben Maschinen die gleichen Probleme?
Um dies herauszufinden, produzierten Kheradpisheh und Co. Bildvariationen von vier verschiedenen Arten von Objekten und testeten dann, wie gut Menschen und Deep Convolutional Neural Networks mit der Aufgabe zurechtkommen, sie zu erkennen.
Der Test für Menschen besteht darin, ein Bild zufällig auszuwählen und es 12,5 Millisekunden lang auf einem Bildschirm anzuzeigen. Die Testperson muss dann einen von vier Knöpfen drücken, um anzugeben, ob das Bild von einem Auto, einem Schiff, einem Motorrad oder einem Tier ist.
Das Team testete insgesamt 89 verschiedene Menschen, die sich jeweils 960 Bilder ansahen. Die Forscher verwendeten die Geschwindigkeit und Genauigkeit der Antwort jedes Probanden als Maß dafür, wie gut sie jedes Objekt erkannten.
Das Team führte auch einen gleichwertigen Test an zwei der leistungsstärksten Deep Convolutional Networks durch, die für die Objekterkennung verwendet werden, von denen eines an der University of Toronto in Kanada und das andere an der University of Oxford in Großbritannien entwickelt wurde.
Die Ergebnisse sorgen für eine interessante Lektüre. Wir fanden heraus, dass sich Menschen und DCNNs weitgehend über die relativen Schwierigkeiten jeder Art von Variation einig waren, sagen Kheradpisheh und Co. Die Drehung in der Tiefe ist bei weitem die am schwierigsten zu handhabende Transformation, gefolgt von der Skalierung, dann der Drehung in der Ebene und schließlich der Position (viel einfacher).
Das ist eine interessante Arbeit, die einige unmittelbare Auswirkungen hat. Zunächst einmal müssen Informatiker beim Erstellen von Datenbanken zum Testen von maschinellem Sehen viel vorsichtiger vorgehen. In Zukunft müssen sie die Faktoren kontrollieren, die Maschinen schwerer haben.
Aber es zeigt auch das Potenzial für Deep Convolutional Neural Networks, um zu helfen, die Funktionsweise der menschlichen Kognition zu untersuchen. Das Design bestimmter Bilder ist eine kritische Aufgabe in Anwendungen wie Flugverkehrskontrolle, Notausgängen, Anweisungen für die Verwendung von Rettungsmitteln und so weiter.
Der Einsatz von Menschen zur Auswertung dieser Bilder ist eine zeitaufwändige und teure Angelegenheit. Aber vielleicht könnten diese Arten von neuronalen Netzwerken stattdessen die Arbeit erledigen oder zumindest die schlimmsten Beispiele aussortieren und den Menschen eine viel besser definierte und weniger beschwerliche Aufgabe überlassen.
Darüber hinaus könnte es möglich sein, maschinelle Bildverarbeitungssysteme zu entwickeln, die nicht auf die gleiche Weise wie Menschen getäuscht werden und so die menschliche Entscheidungsfindung in kritischen Situationen wie dem Autofahren verbessern könnten.
Und das ist erst der Anfang. Neuronale Netze revolutionieren bereits alle Arten von Aufgaben, die früher Menschen vorbehalten waren – dieser Wandel wird sich noch beschleunigen.
Ref: arxiv.org/abs/1604.06486 : Menschen und tiefe Netzwerke stimmen weitgehend darin überein, welche Arten von Variationen die Objekterkennung erschweren