Perché la visione artificiale è imperfetta allo stesso modo della visione umana

Le profonde reti neurali convoluzionali hanno preso d'assalto il mondo dell'intelligenza artificiale. Queste macchine ora superano regolarmente gli umani in compiti che vanno dal riconoscimento di volti e oggetti al gioco dell'antico gioco del Go.

L'ironia, ovviamente, è che le reti neurali sono state ispirate dalla struttura del cervello. Si scopre che ci sono notevoli somiglianze tra la struttura più ampia delle reti neurali convoluzionali profonde dietro la visione artificiale e la struttura del cervello responsabile della visione. Uno di questi si è evoluto nel corso di milioni di anni, l'altro è nato nel corso di pochi decenni. Ma entrambi sembrano funzionare allo stesso modo.

E questo solleva una domanda interessante: se la visione artificiale e la visione umana funzionano in modo simile, sono anche limitate dalle stesse limitazioni? Gli esseri umani e le macchine devono affrontare le stesse sfide legate alla vista?

Oggi riceviamo una risposta grazie al lavoro di Saeed Reza Kheradpisheh dell'Università di Teheran in Iran e di alcuni amici da tutto il mondo. Questi ragazzi hanno testato esseri umani e macchine con le stesse sfide visive e hanno scoperto che effettivamente lottano con lo stesso tipo di problemi.

Prima un po' di background. Il percorso nel cervello responsabile della visione opera in diversi strati, ognuno dei quali si pensa estragga progressivamente più informazioni da un'immagine, come movimento, forma, colore e così via. Ogni strato è costituito da un numero enorme di neuroni collegati in una vasta rete.

Le reti neurali a convoluzione profonda hanno una struttura simile. Anch'essi sono costituiti da strati e ognuno di questi è una rete di circuiti progettati per imitare il comportamento dei neuroni, da cui il termine rete neurale.

Attraverso molti tentativi ed errori, gli informatici hanno scoperto che questi livelli funzionano meglio quando ciascuno estrae progressivamente più informazioni su un'immagine. E quando osservano il comportamento degli strati individualmente, trovano notevoli somiglianze con la funzione di strati specifici nel cervello.

Ma mentre il cervello umano è bravo nel riconoscimento degli oggetti, non è perfetto. Cambiando l'immagine in qualche modo non è sempre facile riconoscere l'oggetto che contiene.

Immagina, ad esempio, l'immagine di un'auto scattata di lato. Ci sono vari modi in cui questa immagine può essere modificata. Uno è tradurre l'oggetto, spostarlo da una parte all'altra dell'immagine. Un altro è ingrandirlo o ridurlo.

Poi ci sono due tipi di rotazione. Uno è una rotazione in piano che mostra l'auto di lato ma capovolta, per esempio.

Ci sono anche rotazioni in profondità. In questo caso, devi immaginare l'auto come un oggetto 3D visto di lato. La rotazione in profondità mostra quindi l'auto dalla parte anteriore, posteriore o una vista di tre quarti e così via.

Ma date due immagini della stessa macchina da punti di vista diversi, quanto è difficile essere sicuri che entrambe mostrino lo stesso veicolo? Chiaramente alcuni tipi di distorsione sono più impegnativi di altri, ma quali? E le macchine hanno lo stesso problema?

Per scoprirlo, Kheradpisheh e co hanno prodotto variazioni di immagine di quattro diversi tipi di oggetti e quindi hanno testato in che modo gli esseri umani e le reti neurali convoluzionali profonde affrontano il compito di riconoscerli.

Il test per gli esseri umani consiste nel selezionare un'immagine a caso e visualizzarla su uno schermo per 12,5 millisecondi. Il soggetto deve quindi premere uno dei quattro pulsanti per indicare se l'immagine è di un'auto, una nave, una moto o un animale.

Il team ha testato un totale di 89 diversi esseri umani che hanno visualizzato 960 immagini ciascuno. I ricercatori hanno utilizzato la velocità e l'accuratezza della risposta di ciascun soggetto come misura di quanto bene hanno riconosciuto ogni oggetto.

Il team ha anche effettuato un test equivalente su due delle più potenti reti convoluzionali profonde utilizzate per il riconoscimento degli oggetti, una sviluppata presso l'Università di Toronto in Canada e l'altra presso l'Università di Oxford nel Regno Unito.

I risultati costituiscono una lettura interessante. Abbiamo scoperto che gli esseri umani e i DCNN erano ampiamente d'accordo sulle difficoltà relative di ogni tipo di variazione, affermano Kheradpisheh e co. La rotazione in profondità è di gran lunga la trasformazione più difficile da gestire, seguita dalla scala, quindi dalla rotazione sul piano e infine dalla posizione (molto più semplice).

Questo è un lavoro interessante con alcune implicazioni immediate. Per cominciare, gli informatici dovranno essere molto più attenti nel modo in cui creano database per testare la visione artificiale. In futuro dovranno controllare i fattori che le macchine trovano più difficili.

Ma mostra anche il potenziale delle reti neurali convoluzionali profonde per aiutare a sondare il modo in cui funziona la cognizione umana. La progettazione di determinate immagini è un compito critico in applicazioni quali il controllo del traffico aereo, le uscite di emergenza, le istruzioni per l'uso di attrezzature salvavita e così via.

Usare gli esseri umani per valutare queste immagini è un'attività che richiede tempo e denaro. Ma forse questo tipo di reti neurali potrebbe invece fare il lavoro o almeno escludere gli esempi peggiori e lasciare agli esseri umani un compito molto meglio definito e meno oneroso.

Oltre a ciò, potrebbe essere possibile progettare sistemi di visione artificiale che non vengano ingannati allo stesso modo degli esseri umani e quindi potrebbero aumentare il processo decisionale umano in situazioni critiche come la guida.

E questo è solo l'inizio. Le reti neurali stanno già rivoluzionando tutti i tipi di compiti che un tempo erano appannaggio degli umani: il cambiamento accelererà solo.

Rif: arxiv.org/abs/1604.06486 : Gli esseri umani e le reti profonde concordano in gran parte su quali tipi di variazione rendono più difficile il riconoscimento degli oggetti

nascondere