AI er ved at lære at se verden – men ikke som mennesker gør

Computersyn har haft et øjeblik. Ikke længere laver en billedgenkendelsesalgoritme dumme fejl, når de ser på verden: I disse dage kan den præcist fortælle dig, at et billede indeholder en kat. Men den måde, det trækker festtricket på, er måske ikke så velkendt for mennesker, som vi troede.

De fleste computervisionssystemer identificerer træk i billeder ved hjælp af neurale netværk, som er inspireret af vores egen biologi og er meget ens i deres arkitektur - kun her er den biologiske sansning og neuroner byttet ud med matematiske funktioner. Nu siger en undersøgelse fra forskere ved Facebook og Virginia Tech, at på trods af disse ligheder, vi bør være forsigtige med at antage, at begge fungerer på samme måde .

For at se præcis, hvad der skete, mens både mennesker og AI analyserede et billede, undersøgte forskerne, hvor de to fokuserede deres opmærksomhed. Begge blev forsynet med slørede billeder og stillede spørgsmål om, hvad der skete på billedet - Hvor er katten? for eksempel. Dele af billedet kunne skærpes selektivt, én ad gangen, og både mennesker og AI gjorde det, indtil de kunne besvare spørgsmålet. Holdet gentog testene ved hjælp af flere forskellige algoritmer.

Det er klart, at de begge kunne give svar - men det interessante resultat er, hvordan de gjorde det. På en skala fra 1 til -1, hvor 1 er total enighed og -1 total uenighed, scorede to mennesker i gennemsnit 0,63 i forhold til, hvor de fokuserede deres opmærksomhed hen over billedet. Med et menneske og en AI faldt gennemsnittet til 0,26.

Med andre ord: AI'en og mennesket så begge på det samme billede, begge blev stillet det samme spørgsmål, begge fik det rigtige - men brugte forskellige visuelle funktioner til at nå frem til de samme konklusioner.

Dette er et eksplicit resultat om et fænomen, som forskere allerede havde antydet. I 2014 viste et hold fra Cornell University og University of Wyoming, at det var muligt at skabe billeder, der narre AI til at se noget, simpelthen ved at skabe et billede bestående af de stærke visuelle funktioner, som softwaren var kommet til at forbinde med et objekt . Mennesker har en stor pulje af sund fornuft viden at trække på, hvilket betyder, at de ikke bliver fanget af sådanne tricks. Det er noget, forskere forsøger at inkorporere i en ny race af intelligent software, der forstår den semantiske visuelle verden.

Men bare fordi computere ikke bruger den samme tilgang, betyder det ikke nødvendigvis, at de er underlegne. Faktisk kan de være bedre stillet til at ignorere den menneskelige tilgang helt.

Den slags neurale netværk, der bruges i computersyn, anvender normalt en teknik kendt som overvåget læring for at finde ud af, hvad der sker i et billede. I sidste ende er deres evne til at forbinde en kompleks kombination af mønstre, teksturer og former med navnet på et objekt muliggjort ved at give AI'en et træningssæt af billeder, hvis indhold allerede er blevet mærket af et menneske.

Men hold hos Facebook og Googles DeepMind har eksperimenteret med uovervågede læringssystemer, der indtager indhold fra video og billeder for at lære, hvordan menneskelige ansigter og hverdagsgenstande ser ud, uden nogen menneskelig indgriben. Magic Pony, der for nylig blev købt af Twitter, undlader også overvåget læring og lærer i stedet at genkende statistiske mønstre i billeder for at lære sig selv, hvordan kanter, teksturer og andre funktioner skal se ud.

I disse tilfælde er det måske endnu mindre sandsynligt, at kendskabet til AI vil blive genereret gennem en proces, der svarer til et menneskes. Når først inspireret af menneskelige hjerner, kan AI slå os ved blot at være sig selv.

(Læs mere: Ny videnskabsmand , The Missing Link of Artificial Intelligence , 'Smart' software kan narre til at se, hvad der ikke er der )

skjule