- 9,447
- 18
- 8 Ноя 2022
Компьютерная модель зрения стала более устойчивой к искажениям изображений, когда стала имитировать работу биологических нейронов.
Компьютерное зрение — это способность искусственного интеллекта анализировать визуальную информацию, например, изображения с камер или сенсоров самоуправляемых автомобилей. Однако компьютерное зрение не всегда безошибочно распознаёт объекты. Ученые из Массачусетского технологического института ( MIT ) и компании IBM нашли способ улучшить компьютерное зрение, заставив его подражать работе настоящего живого мозга.
В основе технологии искусственного интеллекта лежат нейронные сети — математические модели, состоящие из множества связанных между собой «нейронов», которые обрабатывают информацию. Они чем-то похожи на биологические нейронные сети в мозге человека и других приматов, которые отвечают за зрительное восприятие, однако гораздо менее функциональны, чем настоящие.
Ученые обнаружили, что когда нейронные сети эффективно решают задачи компьютерного зрения, то они формируют крепкие нейронные цепи, работающие крайне похожим образом на такие же нейронные цепи в живом мозге.
Однако компьютерные системы зрения пока совсем несопоставимы со зрением человеческим. Джеймс Дикарло, профессор MIT, предположил, что одним из способов улучшить компьютерное зрение может стать включение в эти модели специфических особенностей человеческого мозга.
Чтобы проверить эту идею, Дикарло и его коллеги использовали данные от нейронов, обрабатывающих зрение в нижней височной коре головного мозга обезьян, которые были получены во время демонстрации приматам различных изображений. Затем учёные заставили нейронную сеть подражать поведению этих нейронов в то время, как сеть училась распознавать объекты на изображениях.
После обучения искусственной модели с помощью биологических данных команда Дикарло сравнила её активность с аналогичной моделью нейронной сети, обученной без вышеупомянутых данных. Учёные обнаружили, что новая модель гораздо лучше соответствовала данным нейронов из нижней височной коры и по принципу своего действия гораздо больше походила на зрение человека. Она также была более устойчива к «адверсарным атакам» — небольшим искажениям в изображениях, которые обычно вводят нейронные сети в заблуждение.
Новая работа является ещё одним свидетельством того, что обмен идеями между нейробиологией и компьютерными науками может способствовать прогрессу в обеих областях. «Все получают выгоду из захватывающего цикла взаимодействия между естественным и искусственным интеллектом», — отметил Дикарло.
Компьютерное зрение — это способность искусственного интеллекта анализировать визуальную информацию, например, изображения с камер или сенсоров самоуправляемых автомобилей. Однако компьютерное зрение не всегда безошибочно распознаёт объекты. Ученые из Массачусетского технологического института ( MIT ) и компании IBM нашли способ улучшить компьютерное зрение, заставив его подражать работе настоящего живого мозга.
В основе технологии искусственного интеллекта лежат нейронные сети — математические модели, состоящие из множества связанных между собой «нейронов», которые обрабатывают информацию. Они чем-то похожи на биологические нейронные сети в мозге человека и других приматов, которые отвечают за зрительное восприятие, однако гораздо менее функциональны, чем настоящие.
Ученые обнаружили, что когда нейронные сети эффективно решают задачи компьютерного зрения, то они формируют крепкие нейронные цепи, работающие крайне похожим образом на такие же нейронные цепи в живом мозге.
Однако компьютерные системы зрения пока совсем несопоставимы со зрением человеческим. Джеймс Дикарло, профессор MIT, предположил, что одним из способов улучшить компьютерное зрение может стать включение в эти модели специфических особенностей человеческого мозга.
Чтобы проверить эту идею, Дикарло и его коллеги использовали данные от нейронов, обрабатывающих зрение в нижней височной коре головного мозга обезьян, которые были получены во время демонстрации приматам различных изображений. Затем учёные заставили нейронную сеть подражать поведению этих нейронов в то время, как сеть училась распознавать объекты на изображениях.
После обучения искусственной модели с помощью биологических данных команда Дикарло сравнила её активность с аналогичной моделью нейронной сети, обученной без вышеупомянутых данных. Учёные обнаружили, что новая модель гораздо лучше соответствовала данным нейронов из нижней височной коры и по принципу своего действия гораздо больше походила на зрение человека. Она также была более устойчива к «адверсарным атакам» — небольшим искажениям в изображениях, которые обычно вводят нейронные сети в заблуждение.
Новая работа является ещё одним свидетельством того, что обмен идеями между нейробиологией и компьютерными науками может способствовать прогрессу в обеих областях. «Все получают выгоду из захватывающего цикла взаимодействия между естественным и искусственным интеллектом», — отметил Дикарло.
- Источник новости
- www.securitylab.ru
