Kunstig Intelligens Har Lært å Se På Magiske Triks På En Menneskelig Måte - Alternativ Visning

Kunstig Intelligens Har Lært å Se På Magiske Triks På En Menneskelig Måte - Alternativ Visning
Kunstig Intelligens Har Lært å Se På Magiske Triks På En Menneskelig Måte - Alternativ Visning

Video: Kunstig Intelligens Har Lært å Se På Magiske Triks På En Menneskelig Måte - Alternativ Visning

Video: Kunstig Intelligens Har Lært å Se På Magiske Triks På En Menneskelig Måte - Alternativ Visning
Video: Джефф Хоукинс говорит о том, как наука о мозге изменит компьютеры. 2024, April
Anonim

Spanske forskere lærte en datamaskinvisjonsalgoritme å oppfatte triksene til en illusjonist med en mynt på samme måte som en person gjør. For å gjøre dette ba de en profesjonell illusjonist om å vise flere triks for betrakteren og en gjenkjennelsesalgoritme basert på DeepLabCut, som brukes til å spore laboratoriedyr. To av de syv viste triks var i stand til å lure både en person og en datamaskin, og resultatene av arbeidet kan i fremtiden hjelpe til med å studere oppfatningen av slike triks av seere, skriver forskerne i en forhåndstrykk på arXiv.org.

Det er ingen magi i de magiske triksene som illusjonister viser, hele suksessen med implementeringen kommer ned på håndhånden. På den annen side er det også et spørsmål om menneskets oppfatning: illusjonistens handlinger er designet for å villede betrakteren og spille på hans oppmerksomhet og konsentrasjon. Derfor, for de som følger tryllekunstnerens hender veldig nøye, er det ingen magi, og bedrag i noen triks kan lett oppdages hvis du for eksempel spiller inn hans opptreden på video og spiller den sakte.

Selvfølgelig er situasjonen med oppfatningen av slike triks ved datorsynsalgoritmer litt annerledes: datamaskinen er faktisk frigjort fra muligheten for å bli lurt, og i tilfelle av den, hvor godt den kan gjenkjenne bedrag, avhenger av kvaliteten på dets arbeid. Forskerne ledet av Alex Gomez-Marin fra Institute of Neurosciences i Alicante (Spania) bestemte seg for å teste om en slik algoritme kan læres å se på triksene til illusjonistene som person.

For å gjøre dette leide forskerne en profesjonell illusjonist og ba ham vise syv enkle visuelle triks med mynter - uten noen muntlige tillegg som kan distrahere betrakteren og påvirke suksessen til illusjonen. Triksene ble kjennetegnet ved bevegelsene i illusjonistenes hånd som var nødvendige for myntets forsvinning: for eksempel var det i det ene viktig å dra mynten på bordet, og i den andre for eksempel å ta den.

Alle triksene ble vist til mennesker, i tillegg til en algoritme basert på DeepLabCut, som ble presentert av tyske forskere i fjor: Den brukes til å automatisk spore bevegelsene til laboratoriedyr og kan til og med analysere bevegelsene til individuelle deler av kroppen deres (for eksempel labbene til mus). Algoritmenes oppgave var å bestemme plasseringen av mynten på slutten av hvert triks - nøyaktig den samme oppgaven som forskningsdeltakerne møtte.

Forskere sammenliknet resultatene fra en person og en algoritme og fant ut at bare to tilfeller var mulig å lure begge. Tre triks som lurte publikum, algoritmen ble ikke bedrag - den bestemte myntens plassering. Et triks lurte også algoritmen, men ikke publikum, og det ene - omvendt. For eksempel viste det fjerde trikset, der illusjonisten legger ut mynter på rad (du kan se det i videoen), seg å være enkelt for algoritmen, men klarte å lure betrakteren, fordi sistnevntes oppmerksomhet under bevegelsene ble rettet mot hånden som illusjonisten opprinnelig holdt myntene. det at magikeren satte inn en mynt med den andre hånden gikk derfor upåaktet hen. Siden en algoritme som er opplært til å spore en mynt ikke har noe problem med å spore begge hender på en gang, ble den ikke lurt. På den annen side i det sjette trikset - nøyaktig det samme som det første,men den ble spesielt laget med en feil - algoritmen, i motsetning til betrakteren, klarte ikke å gjenkjenne bedraget, siden mynten kastet, tilsynelatende, viste seg å være en kant i forhold til kameraet, noe som forårsaket vanskeligheter med å gjenkjenne en datamaskin, og ikke for en person.

Forfatterne tydeliggjør at de ikke var interessert i algoritmens evne til raskt å finne ut av illusjonistens triks. Snarere ønsket de å se om det var mulig å få ham til å se på dem på samme måte som en vanlig person ser ut, og ikke den som søker å løse bedraget, men den som faktisk oppfatter trikset som en slags magi. Det faktum at DeepLabCut i noen tilfeller ikke virkelig var i stand til å gjenkjenne bedrag på samme måte som en person, noe som ifølge forskere betyr at slike algoritmer kan brukes til å analysere menneskets oppfatning - bare i situasjoner som triks av illusjonister.

Salgsfremmende video:

Elizaveta Ivtushok

Anbefalt: