Gerdab.IR | گرداب

به گزارش گرداب ،شبکه‌ی عصبی پیچشی یک الگوریتم یادگیری عمیقِ برگرفته از زیست‌شناسی در هوش مصنوعی است. تعامل هزاران نورون با هم باعث شکل‌گیری نحوه‌ی یادگیری مغز ما در تشخیص تصاویر می‌شود. استفانیا تالاورا مارتینز که مدرس و محقق در موسسه‌ی ریاضیات برنولی، علوم رایانه و هوش مصنوعی دانشگاه گرونینگن در هلند است می‌گوید: «شبکه‌های عصبی پیچشی مهم هستند اما ما نتوانسته‌ایم تا به الان نحوه‌ی عملکرد آن را به طور کامل درک کنیم».

غذا
تالاورا مارتینز از شبکه‌ی عصبی پیچشی برای آنالیز تصاویر به دست آمده از دوربین‌های قابل حمل توسط افراد جهت مطالعه‌ی رفتار انسان استفاده کرده است. علاوه بر این، او رابطه‌ی انسان با غذا را نیز بررسی کرده تا توان سیستم در تشخیص حالات مختلف در مواجهه با غذا را آزمایش کند.

او گفت: «متوجه شدم که سیستم در دسته‌بندی برخی از تصاویر اشتباهاتی انجام داده و باید بدانم که چرا این اتفاق افتاده است». با استفاده از نقشه‌های حرارتی، او توانست قسمت‌هایی از تصاویر که توسط شبکه‌ی عصبی پیچشی شناسایی شده‌اند را آنالیز کند.

برای مثال، اگر یک سیستم هوش مصنوعی از یک لیوان برای تشخیص آشپزخانه استفاده کند، اتاق نشیمن، ادارات و دیگر مکان‌هایی که در آن‌ها از لیوان استفاده می‌شود را اشتباه دسته‌بندی می‌کند. راه‌حلی که مارتینز و همکارانش پیشنهاد داده‌اند این است که توجه سیستم را از اهداف اصلی خود منحرف کنند.

تاری دید

آن‌ها از تصاویری استاندارد از هواپیما‌ها یا اتومبیل‌ها استفاده کردند و سپس از طریق نقشه‌های حرارتی بررسی کردند که سیستم از کدام قسمت از تصاویر برای دسته‌بندی آن‌ها استفاده می‌کند. سپس، آن قسمت از تصاویر را تار کردند. آن‌ها گفتند که این کار، سیستم را مجبور می‌کند تا بخش‌های دیگر تصاویر را آنالیز کند و در نتیجه با کمک اطلاعات اضافی، بهتر دسته‌بندی خواهد کرد.

این روش موفق بود و مارتینز گفت: «نتایج این روش مشابه با روش‌های دیگر است اما ساده‌تر است و در زمان اندک، نتیجه را نشان می‌دهد». قبلاً برای بهتر کردن قابلیت دسته‌بندی سیستم از ترکیب شبکه‌های عصبی پیچشی مختلف استفاده می‌شد اما روش جدید راحت‌تر است. او در ادامه گفت: «این مطالعه، درک بهتری از نحوه‌ی عملکرد و یادگیری شبکه‌ی عصبی پیچشی به ما داده است و باعث بهبود برنامه‌ی آموزشی ما خواهد شد».

منبع:
ScienceDaily