Deep Neural Network lærer at bedømme bøger efter deres omslag

Formsproget dømmer aldrig en bog efter dens omslag, advarer mod at vurdere noget udelukkende ud fra den måde, det ser ud på. Og alligevel er bogomslag designet til at give læserne en idé om indholdet, for at give dem lyst til at hente en bog og læse den. Gode ​​bogomslag er designet til at blive bedømt.

Og mennesker er ret gode til det. Det er relativt nemt at udvælge en kogebog eller en biografi eller en rejseguide bare ved at se på omslaget.

Og det rejser et interessant spørgsmål: Kan maskiner også bedømme bøger efter deres omslag? Vi ved allerede, at de dømmer folk efter deres ansigter.

I dag får vi et svar takket være Brian Kenji Iwanas og Seiichi Uchidas arbejde ved Kyushu University i Japan. Disse fyre har trænet et dybt neuralt netværk til at studere bogomslag og bestemme, hvilken bogkategori de kommer fra.

Mere om maskinlæring

• Med sit nye fotofilter annoncerer Facebook sin plan om at få AI til at invadere din telefon

  Værktøjet er sjovt, men det er også en mission statement for den sociale netværksgigant.

• StarCraft bliver den næste store legeplads for kunstig intelligens

  Kunstig intelligens vil kræve vigtige fremskridt for at spille et videospil fyldt med planlægning, gætværk og bluffing.

• Maskiner kan nu genkende noget efter at have set det én gang

  Algoritmer har normalt brug for tusindvis af eksempler for at lære noget. Forskere hos Google DeepMind fandt en vej rundt om det.

  
  
  

• Nutidens kunstige intelligens retfærdiggør ikke grundindkomst

  Selv de enkleste job kræver færdigheder – som kreativ problemløsning – som AI-systemer endnu ikke kan udføre kompetent.

• AI's sprogproblem

  Maskiner, der virkelig forstår sprog, ville være utrolig nyttige. Men vi ved ikke, hvordan vi bygger dem.

Deres metode er ligetil. Iwana og Uchida downloadede 137.788 unikke bogomslag fra Amazon.com sammen med bogens genre. Der er 20 mulige genrer, men hvor en bog var opført i mere end én kategori, brugte forskerne kun den første.

Dernæst brugte parret 80 procent af datasættet til at træne et neuralt netværk til at genkende genren ved at se på forsidebilledet. Deres neurale netværk har fire lag, hver med op til 512 neuroner, som tilsammen lærer at genkende sammenhængen mellem coverdesign og genre. Parret brugte yderligere 10 procent af datasættet til at validere modellen og testede derefter det neurale netværk på de sidste 10 procent for at se, hvor godt det kategoriserer omslag, det aldrig har set.

Resultaterne giver interessant læsning. Algoritmen listede den korrekte genre i sine top 3 valg over 40 procent af tiden og fandt den nøjagtige genre mere end 20 procent af tiden. Det er væsentligt bedre end tilfældigheder. Dette viser, at klassificering af bogomslagsdesign er mulig, selv om det er en meget vanskelig opgave, siger Iwana og Uchida.

Nogle kategorier viser sig at være lettere at genkende end andre. For eksempel er rejsebøger og bøger om computer og teknologi relativt nemme for det neurale netværk at få øje på, fordi bogdesignere konsekvent bruger lignende billeder og design til disse genrer.

Det neurale net fandt også ud af, at kogebøger var nemme at genkende, hvis de brugte billeder af mad, men var helt tvetydige, hvis de brugte et andet design, såsom et billede af kokken.

Biografier og erindringer var også problematiske med, at algoritmen ofte valgte historie som kategori. Interessant nok er historie for mange af disse bøger den sekundære genre, der er opført på Amazon, hvilket tyder på, at algoritmen ikke var fuldstændig forvirret.

Algoritmen forvekslede også børnebøger med tegneserier og grafiske romaner samt medicinske bøger og videnskabsbøger. Måske er det også forståeligt i betragtning af lighederne mellem disse kategorier.

Der er én mangel i dette arbejde. Iwana og Uchida har ikke sammenlignet ydeevnen af ​​deres neurale netværk med menneskers evne til at genkende boggenrer på deres forsider. Det ville være et interessant eksperiment og et, der ville være relativt ligetil at gøre med en online crowdsourcing-tjeneste som Amazons Mechanical Turk.

Indtil det arbejde er udført, er der ingen måde at vide, om maskiner er bedre til denne opgave end mennesker. Selvom, uanset hvor gode mennesker er til denne opgave, er det bestemt kun et spørgsmål om tid, før maskiner overgår dem.

Ikke desto mindre er dette interessant arbejde, der kan hjælpe designere med at forbedre deres færdigheder, når det kommer til bogomslag. Et mere sandsynligt resultat er dog, at det kunne bruges til at træne maskiner til at designe bogomslag uden behov for menneskelige input. Og det betyder, at bogomslagsdesign blot er endnu et job, der skal overføres til historiebøgerne.

Ref: arxiv.org/abs/1610.09204 : At dømme en bog efter dens omslag

skjule