AI pareidolija: ar mašinos gali pastebėti veidus negyvuose objektuose? | MIT naujienos

1994 m. Floridos papuošalų dizainerė Diana Duyser atrado, jos manymu, Mergelės Marijos atvaizdą ant grotelių keptame sūrio sumuštinyje, kurį išsaugojo ir vėliau aukcione už 28 000 USD. Tačiau kiek mes iš tikrųjų suprantame apie pareidoliją – reiškinį, kai daiktuose matome veidus ir raštus, kai jų iš tikrųjų nėra?

Naujame MIT kompiuterių mokslo ir dirbtinio intelekto laboratorijos (CSAIL) tyrime gilinamasi į šį reiškinį, įtraukiant platų, žmogaus pažymėtą 5000 pareidoliškų vaizdų duomenų rinkinį, kuris gerokai pranoksta ankstesnes kolekcijas. Naudodama šį duomenų rinkinį, komanda atrado keletą stebinančių rezultatų apie žmogaus ir mašinos suvokimo skirtumus ir apie tai, kaip galimybė pamatyti veidus skrebučio gabale galėjo išgelbėti jūsų tolimų giminaičių gyvybes.

„Veido pareidolija jau seniai žavėjo psichologus, tačiau kompiuterinio regėjimo bendruomenėje ji iš esmės nebuvo ištirta“, – sako Markas Hamiltonas, MIT elektros inžinerijos ir kompiuterių mokslo doktorantas, CSAIL filialas ir vadovaujantis šio darbo tyrėjas. „Norėjome sukurti šaltinį, kuris padėtų mums suprasti, kaip žmonės ir AI sistemos apdoroja šiuos iliuzinius veidus.

Taigi, ką atskleidė visi šie netikri veidai? Pirma, dirbtinio intelekto modeliai neatpažįsta pareidoliškų veidų, kaip mes. Keista, tačiau komanda išsiaiškino, kad tik išmokę algoritmus atpažinti gyvūnų veidus, jie žymiai geriau aptiko pareidoliškus veidus. Šis netikėtas ryšys rodo galimą evoliucinį ryšį tarp mūsų gebėjimo pastebėti gyvūnų veidus – itin svarbius išlikimui – ir mūsų polinkio matyti veidus negyvuose objektuose. „Atrodo, kad toks rezultatas rodo, kad pareidolija gali atsirasti ne dėl socialinio žmogaus elgesio, o iš kažko gilesnio: pavyzdžiui, greitai pastebėjus tykojantį tigrą arba nustatant, į kurią pusę žiūri elnias, kad mūsų pirmieji protėviai galėtų medžioti“, – sako Hamiltonas.

Kitas intriguojantis atradimas yra tai, ką mokslininkai vadina „Pareidolijos auksarankės zona“, vaizdų klase, kurioje pareidolija dažniausiai atsiranda. „Yra tam tikras regėjimo sudėtingumo diapazonas, kai ir žmonės, ir mašinos greičiausiai suvoks veidus ne veido objektuose“, – sako Williamas T. Freemanas, MIT elektros inžinerijos ir kompiuterių mokslo profesorius bei pagrindinis projekto tyrėjas. „Per paprasta ir nėra pakankamai detalių veidui suformuoti. Per daug sudėtinga ir tampa vizualiniu triukšmu.

Norėdami tai atskleisti, komanda sukūrė lygtį, kuri modeliuoja, kaip žmonės ir algoritmai aptinka iliuzinius veidus. Analizuodami šią lygtį, jie rado aiškią „pareidolinę smailę“, kur tikimybė pamatyti veidus yra didžiausia, atitinkančią „tik reikiamo“ sudėtingumo vaizdus. Tada ši prognozuojama „Auksaplaukės zona“ buvo patvirtinta atliekant bandymus su tikrais žmonėmis ir AI veido aptikimo sistemomis.

Šis naujas duomenų rinkinys „Daiktų veidai“ yra mažesnis nei ankstesnių tyrimų, kuriuose paprastai buvo naudojama tik 20–30 dirgiklių. Ši skalė leido tyrėjams ištirti, kaip moderniausi veido aptikimo algoritmai elgėsi po tikslaus pareidoliškų veidų derinimo, parodydami, kad šiuos algoritmus galima ne tik redaguoti, kad būtų galima aptikti šiuos veidus, bet ir veikti kaip silicis. mūsų pačių smegenys, leidžiančios komandai užduoti klausimus apie pareidolinio veido aptikimo kilmę ir atsakyti į klausimus, kurių neįmanoma užduoti žmonėms.

Siekdama sukurti šį duomenų rinkinį, komanda iš LAION-5B duomenų rinkinio kuravo maždaug 20 000 kandidatų vaizdų, kurie vėliau buvo kruopščiai pažymėti ir įvertinti žmonių anotatorių. Šis procesas apėmė ribojančių langelių piešimą aplink suvokiamus veidus ir atsakymą į išsamius klausimus apie kiekvieną veidą, pvz., suvokiamas emocijas, amžių ir tai, ar veidas buvo atsitiktinis ar tyčinis. „Surinkti ir komentuoti tūkstančius vaizdų buvo didžiulė užduotis“, – sako Hamiltonas. „Didžioji dalis duomenų rinkinio yra skolinga mano mamai, išėjusiai į pensiją bankininkei, kuri praleido daugybę valandų su meile ženklindama vaizdus mūsų analizei.

Tyrimas taip pat gali būti pritaikytas tobulinant veido aptikimo sistemas, sumažinant klaidingų teigiamų rezultatų skaičių, o tai gali turėti įtakos tokioms sritims kaip savarankiškai važiuojantys automobiliai, žmogaus ir kompiuterio sąveika ir robotika. Duomenų rinkinys ir modeliai taip pat galėtų padėti tokioms sritims kaip gaminių projektavimas, kur suprasdami ir valdydami pareidoliją būtų galima sukurti geresnius produktus. „Įsivaizduokite, kad galite automatiškai pakoreguoti automobilio ar vaikiško žaislo dizainą, kad jis atrodytų draugiškesnis, arba užtikrinti, kad medicinos prietaisas netyčia neatrodytų grėsmingas“, – sako Hamiltonas.

„Įdomu, kaip žmonės instinktyviai interpretuoja negyvus objektus, turinčius į žmogų panašių bruožų. Pavyzdžiui, kai pažvelgsite į elektros lizdą, galite iš karto įsivaizduoti, kad jis dainuoja, ir netgi galite įsivaizduoti, kaip jis „judins lūpas“. Tačiau algoritmai šių karikatūriškų veidų natūraliai neatpažįsta taip, kaip mes“, – sako Hamiltonas. „Tai kelia intriguojančių klausimų: kas lemia šį skirtumą tarp žmogaus suvokimo ir algoritminio aiškinimo? Ar pareidolija yra naudinga ar žalinga? Kodėl algoritmai nepatiria tokio poveikio kaip mes? Šie klausimai paskatino mūsų tyrimą, nes šis klasikinis psichologinis reiškinys žmonėms nebuvo nuodugniai ištirtas algoritmuose.

Kai tyrėjai ruošiasi dalytis savo duomenų rinkiniu su mokslo bendruomene, jie jau žiūri į priekį. Būsimas darbas gali apimti vizijos kalbos modelių mokymą, kad būtų galima suprasti ir apibūdinti pareidoliškus veidus, o tai gali paskatinti dirbtinio intelekto sistemas, kurios gali sąveikauti su vizualiniais dirgikliais labiau žmonėms panašiais būdais.

„Tai puikus popierius! Smagu skaityti ir verčia susimąstyti. Hamiltonas ir kt. pasiūlykite gluminantį klausimą: kodėl daiktuose matome veidus? sako Pietro Perona, Allen E. Puckett, Caltech elektros inžinerijos profesorius, kuris nedalyvavo darbe. „Kaip jie pabrėžia, mokymasis iš pavyzdžių, įskaitant gyvūnų veidus, paaiškina šį reiškinį tik pusiaukelėje. Galiu lažintis, kad galvodami apie šį klausimą išmokysime ko nors svarbaus apie tai, kaip mūsų regėjimo sistema apibendrina ne tik mokymą, kurį ji gauna per gyvenimą.

Tarp Hamiltono ir Freemano bendraautorių yra Simonas Stentas, „Toyota“ tyrimų instituto personalas tyrinėtojas; Ruth Rosenholtz, pagrindinė Smegenų ir pažinimo mokslų katedros mokslininkė, NVIDIA mokslininkė ir buvusi CSAIL narė; ir CSAIL filialų postdoc Vasha DuTell, Anne Harrington MEng '23 ir mokslininkė Jennifer Corbett. Jų darbą iš dalies rėmė Nacionalinis mokslo fondas ir CSAIL MenTorEd Opportunities in Research (METEOR) stipendija, o JAV oro pajėgų tyrimų laboratorija ir Jungtinių Valstijų oro pajėgų dirbtinio intelekto greitintuvas. MIT SuperCloud ir Linkolno laboratorijos superkompiuterių centras suteikė HPC išteklių tyrėjų rezultatams.

Šis darbas šią savaitę pristatomas Europos kompiuterinės vizijos konferencijoje.