На что похож мир для компьютеров?

Мы знаем, что компьютеры могут смотреть на мир и определять, что видят, с помощью программного обеспечения, распознающего изображения. Они могут воспринимать объекты и людей и даже различать отдельные лица и эмоции. Но что они на самом деле видят?

Этот вопрос был поднят исследователями искусственного интеллекта и распознавания образов. Ученые из Университета штата Вайоминг и Корнелльского университета обнаружили, что компьютеры видят мир совсем не так, как мы. Возможно, это неудивительно.

Команда начала работать с новейшей системой алгоритмов распознавания изображений, построенной на базе так называемой глубокой нейронной сети (ГНС). Просмотрев визуальные данные миллионов изображений, ГНС научилась отличать собаку от дельфина.

Затем команда совместила этот процесс с другим генетическим алгоритмом, который создает новые изображения из старых. Используя технику, которую иногда называют эволюционным искусством, генетический алгоритм превращает исходное изображение в новое под наблюдением человека. Начиная с любой картинки, например, изображающей дельфинов, алгоритм создает что-то относительно «дельфинье». Однако ученые заменили выбор изображения человеком на выбор системой ГНС и пришли к странным результатам.

На что похож мир для компьютеров?

«Мы думали, что получим что-то похожее, много высококачественных распознаваемых изображений, — рассказал ресурсу New Scientist ученый Джеф Клюн. — Но вместо этого мы получили довольно странные картинки: гепард, который не имеет ничего общего с гепардом».

В процессе получились изображения, которые похожи на абстрактное искусство или визуальный белый шум, но которые ГНС с 99-процентной вероятностью определяет как конкретные объекты — мяч или электрогитара, например. И хотя это определенная оптическая иллюзия для компьютера, она может создать определенные проблемы для систем распознавания лиц.

Источник

Related Articles

Back to top button
Close
analisis early shift pergeseran simbol kiri kanan yang sering menjadi awal freespin premium fenomena micro tumble beruntun ketika 2 3 tumble kecil justru membuka jalan menuju burst besar deteksi pola kompresi reel momen ketika simbol terlihat menumpuk sebelum aktivasi wild riset jam dingin 04 00 06 00 mengapa scatter tunggal lebih sering menjadi trigger lanjutan frame stabil dua level pola visual langka yang hampir selalu mengarah pada pre burst perilaku reel 1 ketika simbol awal terlihat berat dan menandai tumble panjang mapping perubahan simbol low pay korelasi dengan multiplier yang tiba tiba aktif observasi spin 10 15 zona transisi yang konsisten menghasilkan wild bertingkat sinyal visual pre fs efek flash halus pada reel tengah sebelum scatter turun analisis frekuensi wild tipis bagaimana pola munculnya 1 wild acak menjadi fondasi bonus besar arsitektur grid simetris mengapa formasi 4 5 5 5 4 seringkali menjadi pondasi kemenangan runtuhan reaksi katalisator wild analisa kimiawi bagaimana satu simbol emas memicu reaksi berantai ledakan koin ekskavasi simbol kuno menggali makna tersembunyi di balik formasi batu mahjong yang jarang muncul psikologi massa server pengaruh jumlah pemain online terhadap distribusi jatah scatter di jam sibuk prakiraan cuaca digital membaca awan mendung pada putaran awal sebagai tanda hujan bonus akan turun elastisitas modal mengukur ketahanan saldo minim terhadap guncangan volatilitas spin turbo akustik kemenangan studi spektrum gelombang suara saat fitur freespin memberikan sinyal positif botani algoritma teknik menyiram akun yang tandus agar kembali subur memproduksi simbol premium navigasi satelit rtp melacak koordinat server pg soft yang sedang mengalami anomali kebocoran data konstelasi bintang mahjong menghubungkan posisi jatuhnya scatter dengan pola geometris rasi bintang