ثبت بازخورد

لطفا میزان رضایت خود را از دیجیاتو انتخاب کنید.

واقعا راضی‌ام
اصلا راضی نیستم
چطور میتوانیم تجربه بهتری برای شما بسازیم؟

نظر شما با موفقیت ثبت شد.

از اینکه ما را در توسعه بهتر و هدفمند‌تر دیجیاتو همراهی می‌کنید
از شما سپاسگزاریم.

بینایی ماشین
تکنولوژی

هوش مصنوعی و چالش دسته بندی انسان بر اساس عکس سلفی

با اینکه ابزارهای مدرن هوش مصنوعی و به طور خاص بینایی ماشین به خاطر تکامل و پختگیشان مورد ستایش قرار گرفته‌اند اما می‌توان گفت که در حال حاضر درصد بالایی از این ابزار فقط برای ...

زینب عابدی راد
نوشته شده توسط زینب عابدی راد | ۲۶ شهریور ۱۳۹۸ | ۱۹:۳۰

با اینکه ابزارهای مدرن هوش مصنوعی و به طور خاص بینایی ماشین به خاطر تکامل و پختگیشان مورد ستایش قرار گرفته‌اند اما می‌توان گفت که در حال حاضر درصد بالایی از این ابزار فقط برای کاربردهای محدودی طراحی شده و در صورتی که خارج از آن حوزه مورد استفاده قرار بگیرند اغلب نتایج مضحک و نامناسبی تحویل شما می‌دهند.

مثلا اگر از یک بات شناسایی (recognition) استاندارد بخواهید که با دانش فعلی خود کاری جدید مثل تحلیل و آنالیز عکس‌ها انجام دهد قطعا نتیجه نامطلوبی به دست می‌آورید. همین مساله دستمایه وبسایت ImageNet Roulette است که به عنوان یک بخش از برنامه‌ای در باب تاریخچه سیستم‌های شناسایی تصویر توسعه داده شده. برنامه مذکور  Training Humans نام گرفته و توسط «ترور پاگلن» و «کیت کرافورد» راه‌اندازی شده است.

بر اساس توضیحاتی که در این وبسایت آمده، ImageNet Roulette طراحی شده تا به ما نشان دهد که انسان‌ها از دید هوش مصنوعی چگونه دسته‌بندی می‌شوند. با استفاده از یک شبکه عصبی که توسط بیش از 2500 برچسب در پایگاه داده ImageNet تعلیم داده شده، این وبسایت تصویر انسان‌ها را در دسته‌های مختلف طبقه‌بندی می‌کند.

کرافورد درباره برنامه Training Humans می‌گوید:

وقتی دو سال پیش برای اولین بار شروع به طرح‌ریزی این برنامه کردیم قصدمان این بود که تاریخچه‌ای در مورد شناسایی انسان‌ها توسط بینایی ماشین و سیستم‌های هوش مصنوعی ارائه کنیم.

می‌خواستیم با خاصیت مادی هوش مصنوعی درگیر شده و به عنوان بخشی از فرهنگ در حال توسعه بینایی ماشین به عکس‌های روزمره توجه بیشتری نشان دهیم. چنین چیزی ما را وادار می‌کرد تا جعبه‌های سیاه را باز کنیم و به نحوه کارکرد فعلی این موتورهای بینایی نظری بیندازیم.

با این توضیحات چنین برنامه‌ای به نظر ارزشمند و قابل تأمل می‌آید حتی اگر ImageNet Roulette را به عنوان بخش مفرح آن در نظر بگیریم. در واقع این وبسایت عملکرد چندان قابل قبولی از خود نشان نمی‌دهد و بخش اعظم آن هم به خاطر مجموعه داده مورد استفاده آن یعنی ImageNet است. این مجموعه داده سال‌هاست که برای تعلیم هوش مصنوعی مورد استفاده محققان قرار می‌گرفته و در اصل برای شناسایی اشیاء به وجود آمده است و یک دسته‌بندی مخصوص برای انسان‌ها نیز در آن گنجانده شده.

مثال عملکرد نامناسب آن را هم می‌توان در عکس‌های زیر مشاهده کرد. در عکس اول فرد داخل تصویر را دسته سیگاری‌ها جای داده و در عکس دوم تشخیص داده که او در یک هواپیما قرار دارد و مهماندار است.

بینایی ماشین

البته دسته‌بندی عکس‌ها تنها عملکرد این وبسایت نیست و پیامی دیگر هم پشت آن نهفته است. در واقع بخشی از این پروژه برای تأکید و برحسته کردن روش‌های از پایه نادرست و البته انسانی است که ImageNet بر اساس آن افراد را دسته‌بندی می‌کند. به گفته پالگن چنین تمی می‌تواند جهت‌گیری هوش مصنوعی که به خاطر تفکرات سازندگانش شکل می‌گیرد را نشان داده و توجهات را به سمت آن جلب کند.

در واقع Training Humans دو مساله پایه‌ای را بررسی می‌کند: اینکه انسان‌ها چطور در مجموعه داده‌های تعلیم ماشین نمایانده و تفسیر می‌شوند و اینکه چطور سیستم‌های تکنولوژیکی از این مواد اولیه استفاده و بهره‌برداری می‌کنند. با پیشرفت بیشتر سیستم‌های هوش مصنوعی برای دسته‌بندی انسان‌ها، جهتگیری‌ها و سیاست‌های آن‌ها بیشتر نمود پیدا می‌کند.

دیدگاه‌ها و نظرات خود را بنویسید
مطالب پیشنهادی