Die Achillesferse von AI Computer Vision

Das Bindungsproblem der KI und der Neurowissenschaften.

Quelle: Pixabay

Würden Sie in einem autonomen Fahrzeug fahren, wenn Sie wüssten, dass es visuelle Probleme gibt? Wie wäre es mit einer Krebsbehandlung basierend auf einer Computerinterpretation radiologischer Bilder wie Röntgen-, Ultraschall-, CT-, PET- oder MRI-Scans, in dem Wissen, dass das Sehen des Computers leicht getäuscht werden kann? Computer Vision hat ein Problem – es erfordert nur geringfügige Änderungen in der Dateneingabe, um Algorithmen für maschinelles Lernen zum Narren zu bringen, um Dinge „falsch zu sehen“.

Die jüngsten Fortschritte im Bereich des Computersehens sind größtenteils auf die verbesserten Mustererkennungsfunktionen durch tiefes Lernen, eine Art maschinelles Lernen, zurückzuführen. Maschinelles Lernen ist eine Teilmenge künstlicher Intelligenz, bei der ein Computer Konzepte aus der Verarbeitung von Eingabedaten lernen kann, entweder durch überwachtes Lernen, bei dem die Trainingsdaten gekennzeichnet sind, oder nicht wie beim unbeaufsichtigten Lernen oder einer Kombination ohne explizite Programmierung. Die Tiefe des tiefen Lernens bezieht sich auf die Anzahl der künstlichen neuronalen Verarbeitungsschichten in seinem neuronalen Netzwerk.

• Sind große Hunde intelligenter als kleine Hunde?
• Kann Leidenschaft die Lösung für Sucht sein?
• Ist dein Tween bereit für ein Smartphone?
• Was hat die KI Renaissance verursacht?
• Die einzigartige menschliche Investition in den REM-Schlaf

Ein Team von künstlichen Intelligenzforschern (KI) mit Kevin Eykholt, Ivan Evtimov und weiteren Forschern der University of California Berkeley, der University of Michigan, der Stony Brook University und der University of Washington stellte fest, dass nur ein paar Änderungen erforderlich sind Mit Schwarz-Weiß-Aufklebern gekennzeichnete Zeichen sollen dazu führen, dass tiefe neuronale Netzwerke (DNNs) auf dem neuesten Stand der Technik Bilder falsch klassifizieren. Das Team veröffentlichte ihre Ergebnisse im April 2018 in arXiv .

Einer der aktuellen Nachteile des tiefen Lernens sind die großen Datenmengen, die der Computer für das Training benötigt. Wenn ein Kind einmal gelernt hat, was ein Vogel ist, kann er oder sie ein Tier leicht als Vogel identifizieren, ohne alle verschiedenen Vogelarten zu kennen, die es gibt.

Verschiedene Regionen des Gehirns verarbeiten unterschiedliche Eingaben. Beispielsweise ist der Parietallappen der Bereich des Gehirns, in dem sensorische Eingaben für Berührung, Temperatur und Schmerz verarbeitet werden. Der Hinterkopflappen interpretiert die Vision. Der Schläfenlappen spielt beim Hören eine Rolle. Wie bilden sich in verschiedenen Bereichen des Gehirnprozesses sensorische Eingaben in verschiedenen Bereichen zu einer einheitlichen Erfahrung? Dies beschreibt das Bindungsproblem.

• Erstellen Sie für sich selbst eine Ermutigung für 2019
• Wie intelligent ist künstliche Intelligenz?
• 10 Buchempfehlungen zur Erweiterung Ihres Weltbildes
• Wie kann ich dieses Jahr intelligenter werden? Lesen Sie ein Buch aus dieser Liste
• KI erstellt in DNA-basierten künstlichen neuronalen Netzwerken

Wenn zum Beispiel ein Düsenflugzeug hoch oben am Himmel vorbeifährt, weiß das Gehirn, dass das Swooping-Geräusch diesem entspricht. Das Gehirn erkennt, dass die Flügel, die Schwänze, der Rumpf und der weiße Kondensstreifen (Kondensationsspur) zum Jet gehören und nicht die umgebenden Himmel-, Sonnen- oder Hintergrundwolken. Irgendwie ist das menschliche Gehirn in der Lage, verschiedene sensorische Eingabedaten wie Sehen, Tönen, Schmecken, Riechen und Berühren aufzunehmen und ein zusammenhängendes Erlebnis zu bilden. Für Wissenschaftler ist es jedoch ein Rätsel, wie das Gehirn das macht.

Der britische Mathematiker und Neurowissenschaftler Professor Simon Stringer von der Oxford Foundation für Theoretische Neurowissenschaften und Künstliche Intelligenz forscht derzeit nach Neuronen im Gehirn, die als “bindende Neuronen” fungieren und das Ziel haben, innerhalb von 20 Jahren “rattenartige Intelligenz” auf eine Maschine zu geben.

Zur Zeit besteht der Workaround für KI-Forscher darin, im Durchschnitt eine gute Leistung zu erzielen, wenn es darum geht, visuelle Bilder richtig zu interpretieren.

„Das Auge sieht nur das, was der Geist zu verstehen bereit ist“ (Robertson Davies)

Copyright © 2019 Cami Rosso Alle Rechte vorbehalten.

Verweise

National Geographic. “Gehirn”. Abgerufen 1-16-2019 von https://www.nationalgeographic.com/science/health-and-human-body/human-body/brain/

Eykholt, Kevin, Evtimov, Iwan, Fernandes, Earlence, Li, Bo, Rahmati, Amir, Xiao, Chaowei, Prakash, Atul, Kohno, Tadayoshi, Lied, Morgendämmerung. “Robuste Angriffe auf die physische Welt bei der Visualisierung mit tiefen Lerninhalten.” ArXiv : 1707.08945v5. 10. April 2018.

Geddes, Linda. “Die” seltsamen Ereignisse “, die Maschinen halluzinieren lassen.” BBC . 5. Dezember 2018.