إذا كنت تستخدم الإنترنت ، فيجب أن تكون قد تفاعلت مع الشبكات العصبية. هذا شكل من أشكال خوارزمية التعلم الآلي المستخدمة في العديد من المجالات ، من ترجمة اللغة إلى النمذجة المالية. أحد تخصصات هذا النهج هو التعرف على الصور. طورت العديد من الشركات - بما في ذلك Google و Microsoft و IBM و Facebook - خوارزميات تخطيط الصور الخاصة بها. ولكن في حين أن هذه الخوارزميات يمكن أن ترتكب أخطاء غريبة للغاية.
أضافت واجهة برمجة تطبيقات Microsoft Azure API الخاصة برؤية الكمبيوتر التسمية التوضيحية التالية إلى هذه الصورة: "قطيع من رعي الأغنام على جانب تل مغطى بالنباتات المورقة" ، وعلامات: "رعي ، غنم ، جبل ، ماشية ، حصان". لكن لا يوجد خروف في الصورة. بشكل عام. درست كل مكان.
العلامات: العشب ، الحقل ، الأغنام ، واقفا ، قوس قزح ، رجلفي هذه الصورة ، رأى الكمبيوتر أيضًا الأغنام. بالصدفة ، أعلم أن بعض الأغنام ترعى بالفعل بالقرب من هذا المكان. لكنهم غير مرئيين في الصورة.
العلامات: التل ، الرعي ، الأغنام ، الزرافة ، القطيعهنا مثال آخر. تخيلت الشبكات العصبية بشكل عام الأغنام في كل مرة شاهدت فيها مثل هذه الصور. ما الذي يجري؟
يتم تدريب الشبكات العصبية من خلال معالجة العديد من الأمثلة. في هذه الحالة ، تم إطعامها الكثير من الصور التي تم تمييزها من قبل الأشخاص يدويًا - وكانت هناك أغنام على العديد منها. بدءًا من الافتقار الكامل للمعرفة حول ما رأيته ، تحتاج الشبكات العصبية إلى إنشاء قواعد وفقًا للصور التي يجب أن تحمل عنوان "الأغنام". على ما يبدو ، لم تفهم أن كلمة "خروف" تعني حيوانًا ، وليس مجرد عشب بدون أشجار. وبطريقة مشابهة للصورة الثانية ، أعطت العلامة "قوس قزح" ، لأن هذا المشهد رطب وممطر ، ولم تدرك أن قوس قزح يحتاج إلى شريط متعدد الألوان.
ربما تكون الشبكات العصبية شديدة الحساسية ، وهم يرون الأغنام في كل مكان؟ اتضح ، لا. يرون الغنم فقط عندما يتوقعون رؤيتهم. يجدون الأغنام بسهولة في الحقول وعلى سفوح الجبال ، ولكن بمجرد أن تبدأ الأغنام في الظهور في أماكن غير متوقعة ، يصبح من الواضح كم تعتمد هذه الخوارزميات على التخمين والاحتمالات.
اصطحب الأغنام إلى الغرفة وسيتم تعيينها كقط. قم برفع خروف أو عنزة في ذراعيك وسوف يضعون علامة عليها على أنها كلب.
"إلى اليسار: رجل يمسك بكلب في يده. على اليمين: امرأة تمسك بكلب في يدها ".قم بطلائها باللون البرتقالي وستصبح زهورًا.
"عدد قليل من الزهور البرتقالية في الميدان"ضع الأغنام على مقود وسوف يعينها كلبًا. ضعها في السيارة وستكون كلبًا أو قطة. إذا دخلوا الماء ، يمكن ملاحظتهم كطيور أو حتى دببة قطبية.
وإذا تسلق الماعز شجرة ، فإنها ستتحول إلى طيور. أو الزرافات (اتضح أن Microsoft Azure يشتهر برؤية الزرافات في كل مكان بسبب كثرة الزراف التي يشاع أنها موجودة في مجموعة البيانات الأولية).
NeuralTalk2: سرب من الطيور يطير في الهواء
مايكروسوفت أزور: العديد من الزرافات تقف بجانب شجرةتربط الشبكات العصبية الأنماط. يرون قطع نسيج يشبه الفراء ، وبقع خضراء ، ويقررون أن هناك خروف في الصورة. إذا رأوا فروًا وأشكالًا تشبه المطبخ ، فقد يقرروا رؤية القطط.
إذا اتبعت الحياة القواعد ، فإن التعرف على الصور يعمل كما ينبغي. ولكن بمجرد أن يفعل الناس أو الأغنام شيئًا غير متوقع ، تظهر الخوارزميات ضعفًا على الفور.
إذا كنت ترغب في إحضار شيء ما دون أن يلاحظه أحد بعد الشبكة العصبية ، فسوف تحصل على مساعدة في أسلوب السايبربانك بواسطة السريالية. ربما في المستقبل ، يرتدي العملاء السريون ملابس الدجاج أو يقودوا سيارات ملطخة مثل الأبقار.
هناك العديد من الأمثلة على الأخطاء المضحكة للغاية في سلسلة رسائل Twitter التي بدأت بسؤال بسيط:
ويمكنك بنفسك اختبار تشغيل API للتعرف على الأنماط من Microsoft Azure والتأكد من أن حتى الخوارزميات الأكثر تقدمًا تعتمد على الحظ والاحتمال. خوارزمية أخرى ، NeuralTalk2 ، استخدمت في الغالب لمعالجة الصور من سلسلة التعليقات هذه على Twitter.