Нейросети сталкиваются с визуальными иллюзиями, как и люди
Искусственный интеллект, в частности модель BLIP, испытывает затруднения при интерпретации визуальных иллюзий, аналогично человеку, который видит несколько объектов на одной картинке.
Исследователи протестировали возможности нейросети BLIP в распознавании изображений, содержащих визуальные иллюзии. Выяснилось, что при столкновении с такими картинками ИИ демонстрирует схожие с человеческим восприятием проблемы, не всегда верно идентифицируя главный объект или видя несколько противоречивых образов.
Эксперимент включал показ ИИ изображений-тестов, которые специально разработаны для неоднозначной интерпретации. Целью было определить, как трансформер «увидит» и опишет картинки, на которых могут быть скрыты несколько объектов или один объект меняется в зависимости от «угла» восприятия. Результаты показывают, что алгоритм не обладает интуитивным пониманием контекста, что затрудняет его работу с подобными сложными визуальными задачами.
Это исследование подчёркивает текущие ограничения моделей искусственного интеллекта в области компьютерного зрения. Хотя нейросети способны обрабатывать огромные объёмы данных и распознавать паттерны, они всё ещё далеки от человеческой способности к глубокой интерпретации и пониманию неоднозначных визуальных стимулов, что открывает поле для дальнейших разработок в сфере ИИ.
Часто задаваемые вопросы
Что такое нейросеть BLIP?
BLIP — это модель искусственного интеллекта, разработанная для задач компьютерного зрения, которая позволяет генерировать описания изображений и выполнять другие функции, связанные с визуальным контентом.
Почему нейросети плохо справляются с визуальными иллюзиями?
Нейросети, как правило, обучаются на больших наборах данных с чёткими изображениями. Визуальные иллюзии же предполагают неоднозначность и требуют более глубокого контекстуального понимания, что пока является сложной задачей для текущих ИИ-моделей.
Каково значение этого исследования для развития ИИ?
Исследование показывает, что для создания более совершенных систем компьютерного зрения необходимо развивать способность ИИ к интерпретации неоднозначных данных и пониманию контекста, приближая его к человеческому уровню восприятия.
Источник: Habr · Rusability ИИ
Комментарии (0)
Без регистрации. Комментарии проверяются автоматически перед публикацией.
Пока нет комментариев. Будьте первым!