Искусственный интеллект, работавший над приведенными выше изображениями, неправильно маркировал их, потому что они слишком полагались на контекстную информацию (настройки дерева, зеленое поле и оранжевый цвет), чтобы сделать вывод о том, что было на изображении.

Чрезмерная передача контекстной информации является признаком просмотра изображений после того, как они были пропущены через фильтр нижних частот (другими словами, просмотра размытых изображений). Чтобы продемонстрировать это, см. пример ниже. Два изображения ниже являются размытыми версиями предыдущих (размытие = прохождение изображений через фильтр нижних частот). Как видите, изображения легко классифицировать так, как это сделали искусственные интеллекты: первое размытое изображение выглядит как несколько птиц на дереве, а второе — как несколько апельсиновых цветов в поле.

Видение только низкочастотной информации заставляет наблюдателя (человека или машину) чрезмерно полагаться на контекстуальные данные (низкочастотные данные) и пренебрегать деталями (высокочастотные данные).

Размытие изображений, в которых есть детали, не соответствующие контексту, заставит наблюдателя пренебречь деталями и сделать поспешные выводы.

Таким образом, решение состоит в том, чтобы повысить резкость изображений. Как это может быть сделано?

Повышение резкости за счет уменьшения масштаба

Существует связь между размахом и резкостью (объяснено в первой части этой статьи, где увеличительное стекло = фильтр верхних частот). Представьте, что вы без очков смотрите на изображение оранжевой овцы в зеленом поле и видите его размытым. Чтобы лучше разглядеть овец, нужно использовать увеличительное стекло. Однако, если вы используете увеличительное стекло, вы сможете увидеть только небольшую часть изображения (пример: на изображении ниже увеличительное стекло позволяет вам лучше видеть буквы, но вы можете видеть только некоторые из них). время). Чтобы повысить четкость, необходимо уменьшить область действия.

В моей последней статье (https://psyarxiv.com/xqdtb; раздел Более плотные поля столбцов коры вызывают эффект фильтра верхних частот) я объяснил, как существует связь между резкостью, масштабом и количеством нейронов. Упрощая, острота/размах = количество нейронов. Если количество нейронов остается постоянным, для повышения резкости необходимо уменьшить масштаб. Применительно к консетям, общему алгоритму машинного обучения, возможно, это означает: меньшие подмножества исходного изображения должны быть переданы в коннет.

Например, чтобы обеспечить большую резкость, прямоугольник размером 100x100 пикселей, содержащий овцу, должен быть передан в сеть. Этот прямоугольник 100x100 будет достаточно большим, чтобы увидеть овцу, но недостаточно большим, чтобы увидеть дерево. Отсутствие контекстных деталей (дерево) означало бы, что изображение должно анализироваться исключительно на неконтекстных деталях (овца); это было бы аналогично оттачиванию алгоритма.

Выводы

Как я показал в своей книге «Мир через увеличительное стекло», ошибки распознавания возникают из-за того, что алгоритмы распознавания, эффективные для контекстных полей, используются с высокочастотной информацией, или алгоритмы, эффективные для детальных полей, используются с низкочастотной информацией. Например, чтобы правильно распознать изображение дерева, нужно игнорировать низкочастотную информацию (контекст: дерево) и сосредоточиться только на высокочастотной (деталь: овца). Эта проблема может возникнуть при машинном обучении, когда алгоритмы, разработанные для одного набора данных в заданном контексте, используются для оценки другого набора данных в другом контексте.

Отправка изображений с уменьшенной областью действия тому же алгоритму может помочь избежать хотя бы части этих проблем.

использованная литература

Мир через увеличительное стекло: аутизм, по крайней мере частично, вызван эффектом фильтра верхних частот.

Бумага: более плотные поля вызывают обострение восприятия.

Бумага: фильтры высоких частот заставляют игнорировать контекстную информацию (и это вызывает, по крайней мере, частичный аутизм).

Первоначально опубликовано на сайте Luca DellAnna.