ناهمخوانی مدلهای هوش مصنوعی با پردازش بصری انسان
دانلود فایل: پژوهشگران دریافتند حتی هوشمندترین مدلهای هوش مصنوعی نیز با پردازش بصری انسان همخوانی ندارند؛ این مساله موجب می شود استفاده از برخی برنامه های کاربردی این فناوری خطرناک باشد.
به گزارش گروه علم و آموزش ایرنا از وبگاه سایِنس دِیلی (Science Daily)، پژوهشگران دانشگاه یورک در کانادا دریافتند شبکه های عصبی پیچشی، برخلاف انسان ها اشیا را با بهره گیری از درک شکل پیکربندی شده نمی بینند و این ممکنست در راه استفاده از برنامه های کاربردی (اپلیکیشن) هوش مصنوعی خطر بوجود آورد.
شبکه های عصبی پیچشی رده ای از شبکه های عصبی ژرف هستند که بطور معمول برای انجام تحلیل های تصویری یا گفتاری در یادگیری ماشین استفاده می شوند.
پژوهشگران از محرک های بصری جدیدی به نام فرانکشتاین استفاده کردند تا چگونگی پردازش مغز انسان و شبکه های عصبی پیچشی را با خاصیت های جسم پیکربندی شده کل نگر بررسی نمایند.
دکتر جیمز اِلدِر (James Elder) یکی از پژوهشگران دانشگاه یورک دراین زمینه اظهار داشت: فرانکشتاین ها اشیایی هستند که از یکدیگر جدا و به روشی اشتباه باردیگر کنار هم گذاشته شده اند. در نتیجه، همه آنها خاصیت های محلی مناسبی دارند اما در مکان هایی نامناسب قرار گرفته اند.
پژوهشگران دریافتند که سیستم بینایی انسان ها به وسیله فرانکشتاین ها مختل می شود اما شبکه های عصبی پیچشی مختل نمی شوند و به خاصیت های جسم پیکربندی شده نوعی نداشتن حساسیت را نشان می دهند.
الدر اشاره کرد: نتایج به ما توضیح می دهد که چرا مدلهای عمیق هوش مصنوعی تحت شرایط مشخصی شکست می خورند و به موضوع در نظر گرفتن وظایفی فراتر از تشخیص شی برای درک پردازش بصری در مغز به عنوان یک نیاز اشاره می کنند. این مدلهای عمیق در هنگام حل وظایف تشخیص پیچیده به طور معمول از میانبر استفاده می نمایند.
وی اضافه کرد: این میانبرها ممکنست در خیلی از موارد کارآیی داشته باشند؛ ولی امکان دارد در بعضی برنامه های کاربردی هوش مصنوعی در دنیای واقعی که هم اکنون با شرکای صنعتی و دولتی روی آن ا کار می نماییم، خطرناک باشد.
به گفته این محقق یکی از این برنامه های کاربردی، سیستم های ایمنی ویدئویی ترافیکی است. اشیای موجود در صحنه های ترافیکی شلوغ ازجمله وسایل نقلیه، دوچرخه ها و عابران پیاده بر سر راه یکدیگر مانع ایجاد می کنند و به عنوان مجموعه ای از قطعات درهم وبرهم به چشم راننده می آیند.
وی تصریح کرد: مغز باید آن قطعات را به درستی گروه بندی کند تا دسته ها و محلهای صحیح اشیا را شناسایی کند. یک سیستم هوش مصنوعی برای نظارت بر ایمنی ترافیک که فقط قادر باشد هر قطعه را بصورت جداگانه درک کند، در این کار شکست می خورد و خطرات احتمالی را برای کاربران لطمه پذیر جاده درک نمی کند.