دیجیاتو خبرنگار استخدام می‌کند

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 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.

منبع:
ورج
برچسب ها

مطالب مرتبط

استیون هاوکینگ: زمین در 600 سال آتی به یک توپ آتشین بدل می شود

استیون هاوکینگ، فیزیکدان مشهور که اخیراً در مورد هوش مصنوعی اظهار نظر های خوشبین بینانه ای را مطرح کرده بود، به تازگی اعلام کرده که کره زمین، در 600 سال آینده به یک توپ آتشین بدل خواهد شد.این دانشمند به تازگی در یک گردهمایی در پکن، اعلام کرده که افزایش سریع مصرف انرژی و نیز... ادامه مطلب

اریک اشمیت: هوش مصنوعی به شکل اجتناب ناپذیری برخی از مشاغل امروزی را تصاحب خواهد کرد

در سال های اخیر هوش مصنوعی نه تنها مورد توجه بسیاری از کمپانی های تکنولوژی قرار گرفته، بلکه نویسنده های فیلم های علمی-تخیلی نیز به سویش کشش بسیاری پیدا نموده اند و از ایده های مربوط به آن برای جذابیت بیشتر نوشته هایشان بهره می گیرند. به صورت کلی می توان گفت محبوبیت این دانش... ادامه مطلب

اولین پیروزی کامپیوتر بر قهرمان شطرنج جهان

شطرنج یکی از کهن ترین بازی های تخته‌ای دنیا است که قدمت آن به قرن چهارم میلادی و کشور هند برمی گردد. علی رغم این سابقه ایده ایجاد ماشینی که قادر به انجام این بازی باشد از قرن هجدهم به ذهن مخترعان خطور کرد.سال ۱۷۶۹ «ولفگانگ ون کمپلن»، مخترع و نویسنده مجاری دستگاهی به نام... ادامه مطلب

مبارزه با دست‌انداز‌های خیابان به کمک تلفن همراه

حفظ کیفیت جاده‌ها کار آسانی نیست چرا که کیلومتر‌ها جاده را نمی‌توان با بودجه اندک تحت نظارت قرار داد. جای تعجب ندارد که بسیاری از خیابان ها و جاده‌ها فراموش شده و به کیفیتی می رسد که رانندگی در آنها دیگر خوشایند نیست. حال یک استارتاپ آمریکایی سیستمی خلق کرده که به واسطه‌ی آن تلفن‌های... ادامه مطلب

اپل برای بهبود عملکرد Siri از دانش ژاپنی ها کمک می گیرد

تیم کوک در سفرش به دور ژاپن با استفاده از قطارهای سریع السیر به این نکته اشاره کرد که سرزمین آفتاب تابان، نقش مهمی در توسعه هوش مصنوعی کمپانی اپل ایفا خواهد کرد.به گفته Nikkei مرکز تحقیق و توسعه اهالی کوپرتینو در یوکوهاما که احتمالاً در ماه دسامبر تکمیل می شود، به حوزه «مهندسی عمیق»... ادامه مطلب

تا سال 2021 میلادی، هوش مصنوعی قادر به ترجمه زبان دلفین ها خواهد بود

پردازش زبان طبیعی به کمک هوش مصنوعی، روز به روز در درک زبان های زنده دنیا بهتر می شود. اما شاید نیازی نباشد که این تکنولوژی، صرفاً به زبان های انسانی محدود شود؛ حداقل این آینده ای است که استارتاپ سوئدی Gavagai AB برای تکنولوژی پردازش زبان طبیعی ترسیم کرده است.Gavagai AB در همکاری با... ادامه مطلب

نظرات ۰

وارد شوید

برای گفتگو با کاربران، وارد حساب کاربری خود شوید.

ورود
x