Kunstig Intelligens Har Lært At Se På Magiske Tricks På En Menneskelig Måde - Alternativ Visning

Kunstig Intelligens Har Lært At Se På Magiske Tricks På En Menneskelig Måde - Alternativ Visning
Kunstig Intelligens Har Lært At Se På Magiske Tricks På En Menneskelig Måde - Alternativ Visning

Video: Kunstig Intelligens Har Lært At Se På Magiske Tricks På En Menneskelig Måde - Alternativ Visning

Video: Kunstig Intelligens Har Lært At Se På Magiske Tricks På En Menneskelig Måde - Alternativ Visning
Video: Kunstig intelligens for en bedre verden full video 2024, April
Anonim

Spanske forskere lærte en computervisionsalgoritme til at opfatte trickene fra en illusionist med en mønt på samme måde som en person gør. For at gøre dette bad de en professionel illusionist om at vise flere tricks til seeren og en genkendelsesalgoritme baseret på DeepLabCut, som bruges til at spore laboratoriedyr. To af de syv viste tricks var i stand til at bedrage både en person og en computer, og resultaterne af arbejdet kan i fremtiden hjælpe med at studere opfattelsen af sådanne tricks af seere, skriver forskerne i et fortryk på arXiv.org.

Der er ingen magi i de magiske tricks, som illusionister viser, hele succesens implementering kommer ned på håndskriden. På den anden side er det også et spørgsmål om menneskelig opfattelse: illusionistens handlinger er designet til at vildlede beskueren og spille på hans opmærksomhed og koncentration. Derfor er der ingen magi for dem, der følger tryllekunstnerens hænder ekstremt nøje, og bedrag i nogle tricks kan let opdages, hvis du for eksempel optager hans præstation på video og spiller den langsomt.

Situationen med opfattelsen af sådanne tricks ved computervisionsalgoritmer er naturligvis lidt anderledes: Faktisk er computeren befriet for muligheden for at blive bedraget, og i tilfælde af det, hvor godt den kan genkende bedrag afhænger af kvaliteten af dets arbejde. Forskerne ledet af Alex Gomez-Marin fra Institut for Neurovidenskaber i Alicante (Spanien) besluttede at teste, om en sådan algoritme kan læres at se på illusionistenes tricks som person.

For at gøre dette hyrede forskerne en professionel illusionist og bad ham om at vise syv enkle visuelle tricks med mønter - uden nogen mundtlige tilføjelser, der kan distrahere seeren og påvirke illusionens succes. Tricksne blev kendetegnet ved bevægelserne i illusionistens hånd, der var nødvendige for møntenes forsvinden: for eksempel var det i det ene vigtigt at trække mønten på bordet, og i den anden for eksempel at gribe den.

Alle tricks blev vist til mennesker såvel som en algoritme baseret på DeepLabCut, som blev præsenteret af tyske forskere sidste år: Det bruges til automatisk at spore bevægelser af laboratoriedyr og kan endda analysere bevægelser af individuelle dele af deres kroppe (f.eks. Musens poter). Algoritmens opgave var at bestemme placeringen af mønten i slutningen af hvert trick - nøjagtigt den samme opgave, som forskningsdeltagerne står overfor.

Forskere sammenlignede resultaterne af en person og en algoritme og fandt, at kun to tilfælde var mulige for at narre dem begge. Tre tricks, der bedrager publikum, algoritmen vildledte ikke - det bestemte placeringen af mønten. Et trick narrede også algoritmen, men ikke publikum, og en - omvendt. For eksempel viste det fjerde trick, hvor illusionisten lægger mønter i træk (du kan se det i videoen), sig ud til at være enkelt for algoritmen, men var i stand til at narre beskueren, fordi sidstnævnte opmærksomhed under bevægelserne var rettet mod den hånd, hvor illusionisten oprindeligt holdt mønterne. derfor gik det ikke bemærket, at tryllekunstneren lagde en mønt med sin anden hånd. Da en algoritme, der er trænet til at spore en mønt, ikke har noget problem med at spore begge hænder på én gang, blev den ikke narret. På den anden side i det sjette trick - nøjagtigt det samme som det første,men den blev specielt lavet med en fejl - algoritmen, i modsætning til seeren, kunne ikke genkende bedraget, da mønten kastede tilsyneladende viste sig at være en kant i forhold til kameraet, hvilket skabte vanskeligheder med at genkende en computer og ikke for en person.

Forfatterne præciserer, at de ikke var interesseret i algoritmens evne til hurtigt at finde ud af illusionistens tricks. Snarere ønsket de at se, om det var muligt at få ham til at se på dem, som en almindelig person ser ud, og ikke den, der forsøger at løse bedraget, men den der faktisk opfatter tricket som en slags magi. Det faktum, at DeepLabCut i nogle tilfælde ikke rigtig var i stand til at genkende bedrag på samme måde som en person, hvilket ifølge forskere betyder, at sådanne algoritmer kan bruges til at analysere menneskets opfattelse - bare i situationer som illusionistenes tricks.

Salgsfremmende video:

Elizaveta Ivtushok