📉 🍳 👨🏻‍🎤 छवि मान्यता एल्गोरिदम की सीमाएं 🆘 🧑🏾‍🤝‍🧑🏽 🦗

नहीं, यह छवि मान्यता एल्गोरिदम के बारे में नहीं है - यह उनके उपयोग की सीमाओं के बारे में है, विशेष रूप से एआई बनाते समय।

मेरी राय में, एक व्यक्ति और एक कंप्यूटर प्रणाली द्वारा दृश्य चित्रों की मान्यता बहुत अलग है - इतना है कि यह आम में बहुत कम है। जब कोई व्यक्ति कहता है "मैं देखता हूं," वह वास्तव में जितना देखता है उससे अधिक सोचता है, जिसे छवि मान्यता के लिए उपकरणों से लैस कंप्यूटर सिस्टम के बारे में नहीं कहा जा सकता है।

मुझे पता है कि यह विचार नया नहीं है, लेकिन मैं एक बार फिर प्रस्ताव करता हूं कि इसकी वैधता को सुनिश्चित करने के लिए एक रोबोट के उदाहरण द्वारा खुफिया जानकारी का दावा किया जाए। परीक्षा का प्रश्न है: पूरी तरह से एक व्यक्ति की तरह बनने के लिए आसपास की दुनिया को किस तरह का रोबोट देखना चाहिए?

बेशक, रोबोट को वस्तुओं को पहचानना होगा। ओह हां, एल्गोरिदम इस से सामना करते हैं - मूल नमूनों पर प्रशिक्षण के माध्यम से, जैसा कि मैं इसे समझता हूं। लेकिन यह भयावह रूप से छोटा है!

मैं
सबसे पहले, आसपास की दुनिया के प्रत्येक ऑब्जेक्ट में कई ऑब्जेक्ट होते हैं और बदले में, अन्य ऑब्जेक्ट का सबसेट होता है। मैं इस संपत्ति को नेस्टिंग कहता हूं। लेकिन क्या होगा यदि किसी विषय में बस नाम नहीं है, इसलिए यह एल्गोरिथम सीखने के लिए उपयोग किए जाने वाले मूल नमूनों के आधार में नहीं है - रोबोट को इस मामले में क्या पहचानना चाहिए?

वर्तमान में मैं जिस क्लाउड का अवलोकन कर रहा हूं, उसमें कुछ हिस्सों के नाम नहीं हैं, हालांकि इसमें स्पष्ट रूप से किनारों और एक मध्य शामिल है। हालांकि, किनारों और बादल के मध्य के लिए कोई विशेष शब्द नहीं हैं, गढ़ा नहीं गया है। एक अनाम वस्तु को इंगित करने के लिए, मैंने एक मौखिक शब्दांकन ("क्लाउड" - ऑब्जेक्ट का प्रकार, "क्लाउड एज" - मौखिक शब्दांकन) का उपयोग किया, जो छवि मान्यता एल्गोरिथ्म की क्षमताओं में शामिल नहीं है।

यह पता चला है कि एक तार्किक ब्लॉक के बिना एक एल्गोरिथ्म कम उपयोग का है। यदि एल्गोरिथ्म पूरे ऑब्जेक्ट का एक हिस्सा पता लगाता है, तो यह हमेशा पता लगाने में सक्षम नहीं होगा - तदनुसार, रोबोट यह बताने में सक्षम नहीं होगा - यह क्या है।

द्वितीय।
दूसरे, दुनिया को बनाने वाली वस्तुओं की सूची बंद नहीं है: यह लगातार अपडेट किया जाता है।

एक व्यक्ति वास्तविकता की वस्तुओं का निर्माण करने की क्षमता रखता है, नई खोज की गई वस्तुओं को नाम निर्दिष्ट करता है, उदाहरण के लिए, जीवों की प्रजातियां। वह एक मानव सिर के साथ एक घोड़े को बुलाएगा और एक सेंटोर को धड़ करेगा, लेकिन इसके लिए, उसे पहले एहसास होगा कि प्राणी के पास एक मानव सिर और धड़ है, और बाकी सब समान है, जिससे एक नए के रूप में देखी गई वस्तु को पहचानना है। मानव मस्तिष्क यही करता है। और एल्गोरिथ्म, इनपुट डेटा की अनुपस्थिति में, ऐसे प्राणी को या तो एक व्यक्ति के रूप में या एक घोड़े के रूप में निर्धारित करेगा: प्रकारों की विशेषताओं के साथ काम किए बिना, यह उनके संयोजन को स्थापित करने में सक्षम नहीं होगा।

रोबोट के लिए एक इंसान की तरह बनने के लिए, उसे उसके लिए नई प्रकार की वस्तुओं को परिभाषित करने और इन प्रकारों को नाम देने में सक्षम होना चाहिए। नए प्रकार के विवरणों में, ज्ञात प्रकारों की विशेषताएं प्रकट होनी चाहिए। और अगर रोबोट नहीं जानता कि कैसे, पृथ्वी पर हमें इसकी आवश्यकता क्यों है, इतना सुंदर?

मान लीजिए कि हम मंगल ग्रह पर एक टोही रोबोट भेजते हैं। एक रोबोट कुछ असामान्य देखता है, लेकिन विशेष रूप से सांसारिक शब्दों में एक वस्तु की पहचान करने में सक्षम है। यह रोबोट से आने वाले मौखिक संदेशों को सुनने वाले लोगों को क्या देगा? कभी-कभी यह कुछ देगा, निश्चित रूप से (यदि पृथ्वी की वस्तुएं मंगल पर पाई जाती हैं), और अन्य मामलों में, कुछ भी नहीं (यदि मंगल ग्रह की वस्तुएं पृथ्वी की वस्तुओं के समान नहीं हैं)।

छवि एक और मामला है: एक व्यक्ति खुद को सब कुछ देखने में सक्षम होगा, सही ढंग से मूल्यांकन और नाम देगा। केवल एक पूर्व-प्रशिक्षित छवि मान्यता एल्गोरिथ्म के माध्यम से नहीं, बल्कि आपके अधिक चालाकी से मानव मस्तिष्क का निर्माण किया गया।

तृतीय।
तीसरा, वस्तुओं के वैयक्तिकरण के साथ कुछ समस्या है।

चारों ओर की दुनिया विशिष्ट वस्तुओं से बनी है। दरअसल, आप केवल विशिष्ट वस्तुओं को देख सकते हैं। लेकिन कुछ मामलों में उन्हें मौखिक रूप से व्यक्त करने की आवश्यकता होती है, जिसके लिए या तो व्यक्तिगत नामों का उपयोग किया जाता है ("वास्य पेत्रोव"), या किसी विशिष्ट वस्तु का एक सरल संकेत, उच्चारण या निहित ("यह तालिका")। मैं किस प्रकार की वस्तुओं को ("लोग", "टेबल") वस्तुओं का सामूहिक नाम कहता हूं, जिसमें कुछ सामान्य विशेषताएं हैं।

छवि पहचान एल्गोरिदम, यदि मूल नमूनों पर प्रशिक्षित किया जाता है, तो दोनों व्यक्तिगत और गैर-व्यक्तिगत वस्तुओं को पहचानने में सक्षम होंगे - यह अच्छा है। भीड़-भाड़ वाली जगहों और सभी में चेहरा पहचान। बुरी बात यह है कि इस तरह के एल्गोरिदम समझ नहीं पाएंगे कि किन वस्तुओं को एक व्यक्ति रखने के रूप में मान्यता दी जानी चाहिए और कौन सी बिल्कुल इसके लायक नहीं हैं।

रोबोट, AI के मालिक के रूप में, कभी-कभी संदेशों में फट जाना चाहिए:
- ओह, और मैंने एक हफ्ते पहले इस बूढ़ी औरत को देखा था!

लेकिन घास के ब्लेड के बारे में इस तरह के प्रतिकृतियों का दुरुपयोग करने के लिए यह सार्थक नहीं है, खासकर जब से ऐसा कार्य करने के लिए कंप्यूटिंग शक्ति की पर्याप्तता के बारे में अच्छी तरह से स्थापित भय हैं।

यह मेरे लिए स्पष्ट नहीं है कि कहां एक व्यक्तिगत वृद्ध महिला और घास के अनगिनत घास ब्लेड के बीच बारीक रेखा खींची गई है, जो कि किसी बूढ़ी महिला से कम नहीं है, लेकिन एक व्यक्ति के दृष्टिकोण से किसी व्यक्ति के लिए कोई दिलचस्पी नहीं है। इस अर्थ में मान्यता प्राप्त छवि क्या है? लगभग कुछ भी नहीं - आसपास की वास्तविकता की दर्दनाक धारणा की शुरुआत।

चतुर्थ।
चौथा, वस्तुओं की गतिशीलता, उनकी पारस्परिक स्थानिक व्यवस्था द्वारा निर्धारित। यह, मैं आपको बताता हूं, कुछ है!

मैं चिमनी के सामने एक गहरी कुर्सी पर बैठा हूं और अब उठने की कोशिश कर रहा हूं।
"आप क्या देखते हैं, रोबोट?"

हमारे रोजमर्रा के दृष्टिकोण से, रोबोट मुझे एक कुर्सी से उठता हुआ देखता है। उसे क्या जवाब देना चाहिए? संभवतः प्रासंगिक उत्तर होगा:
"मैं आपको अपनी कुर्सी से उठता हुआ देखता हूं।"

ऐसा करने के लिए, रोबोट को पता होना चाहिए कि मैं कौन हूं, एक कुर्सी क्या है और उठने का मतलब क्या है ...

उपयुक्त सेटिंग्स के बाद छवि पहचान एल्गोरिथ्म मुझे और कुर्सी को पहचानने में सक्षम होगा, फिर फ्रेम की तुलना करके हम कुर्सी से मुझे हटाने के पारस्परिक तथ्य के तथ्य को निर्धारित कर सकते हैं, लेकिन "वृद्धि" का क्या मतलब है? भौतिक वास्तविकता में "उत्थान" कैसे होता है?

अगर मैं पहले ही उठ गया और चला गया, तो सब कुछ काफी सरल है। जब मैं कुर्सी से दूर चला गया, कार्यालय में सभी वस्तुओं ने एक दूसरे के सापेक्ष स्थानिक स्थिति को नहीं बदला, मेरे अपवाद के साथ, जो मूल रूप से कुर्सी पर थे, और कुछ समय बाद कुर्सी से दूर हो गए। यह निष्कर्ष निकालना स्वीकार्य है कि मैंने कुर्सी छोड़ दी।

यदि मैं अभी भी कुर्सी से उठने की प्रक्रिया में हूं, तो सब कुछ कुछ अधिक जटिल है। मैं अभी भी कुर्सी के बगल में हूं, हालांकि, मेरे शरीर के अंगों की सापेक्ष स्थानिक स्थिति बदल गई है:

शुरू में टिबिया और ट्रंक एक ईमानदार स्थिति में थे, और जांघ क्षैतिज स्थिति में थी (मैं बैठा था)
अगले पल, शरीर के सभी हिस्से एक सीध में थे (मैं खड़ा था)।

एक व्यक्ति के रूप में मेरे व्यवहार का निरीक्षण करें, वह तुरंत निष्कर्ष निकालेंगे कि मैं एक कुर्सी से उठ रहा हूं। एक व्यक्ति के लिए, यह एक दृश्य धारणा के रूप में इतना तार्किक निष्कर्ष नहीं होगा: वह सचमुच मुझे मेरी कुर्सी से उठता हुआ दिखाई देगा, हालांकि वास्तव में वह मेरे शरीर के कुछ हिस्सों की सापेक्ष स्थिति में बदलाव देखेंगे। हालांकि, वास्तव में यह एक तार्किक निष्कर्ष होगा कि किसी को रोबोट को समझाना होगा, या रोबोट को अपने आप इस तार्किक निष्कर्ष पर काम करना होगा।

दोनों समान रूप से कठिन हैं:

प्रारंभिक ज्ञान आधार जानकारी में प्रवेश करने के लिए जो शरीर के कुछ हिस्सों की पारस्परिक स्थानिक स्थिति में क्रमिक परिवर्तन है, किसी तरह प्रेरणादायक नहीं है;
यह उम्मीद करना कम बेवकूफी नहीं है कि रोबोट, एक कृत्रिम सोच वाले प्राणी के रूप में, खुद ही यह अनुमान लगा लेगा कि ऊपर वर्णित शरीर के कुछ हिस्सों की आपसी स्थानिक स्थिति में बदलाव को स्टैंड अप कहा जाता है। मनुष्यों में, इस प्रक्रिया में वर्षों लगते हैं, एक रोबोट को कितना लगेगा?

और छवि मान्यता एल्गोरिदम को इसके साथ क्या करना है? वे कभी यह निर्धारित नहीं कर पाएंगे कि मैं एक कुर्सी से उठ रहा हूं।

वी
"स्टैंडिंग अप" एक अमूर्त अवधारणा है, जो भौतिक वस्तुओं की विशेषताओं में परिवर्तन से निर्धारित होती है, इस मामले में, उनकी पारस्परिक स्थानिक स्थिति में बदलाव। सामान्य मामले में, यह किसी भी अमूर्त अवधारणाओं के लिए सही है, क्योंकि अमूर्त अवधारणाएं स्वयं भौतिक दुनिया में मौजूद नहीं हैं, लेकिन पूरी तरह से भौतिक वस्तुओं पर निर्भर हैं। यद्यपि अक्सर हम उन्हें व्यक्तिगत रूप से देखते हैं।

जबड़े को दाएं या बाएं हिलाने के लिए, मुंह को खोले बिना - इस क्रिया को क्या कहा जाता है? लेकिन कोई रास्ता नहीं। निस्संदेह, इस कारण से कि इस तरह के एक आंदोलन आम तौर पर एक व्यक्ति के लिए अप्राप्य है। चर्चा किए गए एल्गोरिदम का उपयोग करते हुए, रोबोट कुछ देखेगा, लेकिन क्या बात है? प्रारंभिक नमूनों के आधार में, वांछित नाम अनुपस्थित होगा, और रोबोट की दर्ज कार्रवाई को नाम देना मुश्किल होगा। और अनाम क्रियाओं के साथ-साथ अन्य अमूर्त अवधारणाओं के लिए विस्तृत मौखिक रूप देने के लिए, छवि मान्यता एल्गोरिदम को प्रशिक्षित नहीं किया जाता है।

वास्तव में, हमारे पास पहले पैराग्राफ की एक डुप्लिकेट है, न केवल वस्तुओं के संबंध में, बल्कि अमूर्त अवधारणाओं के लिए। हालांकि, बाकी पैराग्राफ, पिछले और अगले, को भी अमूर्त अवधारणाओं से जोड़ा जा सकता है - मैं सिर्फ अमूर्तता के साथ काम करते समय जटिलता के स्तर को बढ़ाने पर ध्यान देता हूं।

छठी।
छठा, एक कारण संबंध।

कल्पना कीजिए कि आप एक पिकअप ट्रक को सड़क से उड़ते हुए देख रहे हैं और एक बाड़ को फाड़ रहे हैं। बाड़ को ध्वस्त करने का कारण पिक आंदोलन है, और बदले में पिक आंदोलन आंदोलन बाड़ के विध्वंस का परिणाम है।

- मैंने इसे अपनी आँखों से देखा!
यह इस सवाल का जवाब है कि क्या आपने देखा या क्या हुआ। और आपने वास्तव में क्या देखा?

इस तरह की गतिशीलता में कुछ आइटम:

एक पिकअप ट्रक सड़क से दूर जा गिरा
पिकअप बाड़ के करीब आ गई,
बाड़ ने आकार और स्थान बदल दिया है।

दृश्य धारणा के आधार पर, रोबोट को यह महसूस करना चाहिए कि सामान्य स्थिति में, बाड़ आकार और स्थान नहीं बदलते हैं: यहां पिक के संपर्क के परिणामस्वरूप ऐसा हुआ। विषय-कारण और विषय-प्रभाव एक-दूसरे के संपर्क में होना चाहिए, अन्यथा उनके संबंध में कार्य-कारण अनुपस्थित है।

हालांकि यहां हम एक तार्किक जाल में पड़ जाते हैं, क्योंकि अन्य वस्तुएं विषय-कारण से ही नहीं, विषय-परिणाम से भी संपर्क कर सकती हैं।

मान लीजिए, पिकअप के समय जैकडॉ को बाड़ पर मारा गया। एक पिकअप ट्रक और एक जैकडॉ एक ही समय में बाड़ के संपर्क में थे: यह कैसे निर्धारित किया जाए कि बाड़ को किस संपर्क से ध्वस्त किया गया था?

शायद पुनरावृत्ति का उपयोग कर:

यदि प्रत्येक मामले में, जब एक जैकडोज बाड़ पर बैठता है, तो बाड़ को ध्वस्त कर दिया जाता है, जैकडैम को दोष देना है;
यदि प्रत्येक मामले में जब पिक में बाड़ दुर्घटनाग्रस्त हो जाती है, तो पिकअप को दोष देना है।

इस प्रकार, यह निष्कर्ष कि बाड़ को एक पिक द्वारा ध्वस्त किया गया था, वास्तव में अवलोकन नहीं है, लेकिन संपर्क में वस्तुओं के अवलोकन के आधार पर विश्लेषण का परिणाम है।

दूसरी ओर, कार्रवाई को दूरी पर किया जा सकता है, उदाहरण के लिए, लोहे की वस्तु पर चुंबक की कार्रवाई। रोबोट कैसे अनुमान लगाता है कि एक चुंबक को नाखून के करीब ले जाने से नाखून चुंबक की ओर बढ़ता है? दृश्य चित्र इस तरह नहीं है:

चुंबक आ रहा है, लेकिन नाखून के संपर्क में नहीं है,
उसी पल में, कील अपनी पहल पर चुंबक पर जाती है और इसके संपर्क में आती है।

जैसा कि आप देख सकते हैं, कारण-प्रभाव वाले रिश्तों को ट्रैक करना बहुत मुश्किल है, यहां तक कि उन मामलों में भी जब गवाह लोहे की सजा के साथ घोषणा करता है कि उसने इसे अपनी आंखों से देखा था। छवि मान्यता एल्गोरिदम यहां शक्तिहीन हैं।

सातवीं।
सातवां और अंतिम, यह दृश्य धारणा लक्ष्यों का विकल्प है।

आसपास के दृश्य चित्र में सैकड़ों और हजारों ऑब्जेक्ट शामिल हो सकते हैं, जिनमें से कई लगातार अपनी स्थानिक स्थिति और अन्य विशेषताओं को बदल रहे हैं। जाहिर है, रोबोट को मैदान में घास के हर ब्लेड को देखने की जरूरत नहीं है, हालांकि, शहर की सड़क पर हर चेहरे की तरह: आपको केवल प्रदर्शन किए गए कार्यों के आधार पर महत्वपूर्ण समझने की आवश्यकता है।

जाहिर है, कुछ वस्तुओं की धारणा को छवि मान्यता एल्गोरिदम को समायोजित करना और दूसरों की अनदेखी करने से काम नहीं चलेगा, क्योंकि यह पहले से नहीं जाना जा सकता है कि क्या ध्यान देना है और क्या अनदेखा करना है, खासकर जब से वर्तमान लक्ष्य रास्ते में बदल सकते हैं। एक स्थिति तब उत्पन्न हो सकती है जब आपको पहले कई हजारों वस्तुओं को एक-दूसरे में घोंसले के रूप में देखने की आवश्यकता होती है - शाब्दिक रूप से उनमें से प्रत्येक - विश्लेषण करने के लिए और उसके बाद ही एक निर्णय जारी करें कि कौन सी वस्तुएं मौजूदा समस्या को हल करने के लिए आवश्यक हैं और जो ब्याज की नहीं हैं। यह वह व्यक्ति है जो अपने आस-पास की दुनिया को मानता है: वह केवल महत्वपूर्ण को देखता है, न कि पृष्ठभूमि की घटनाओं पर ध्यान न देने के लिए। वह कैसे सफल होता है यह एक रहस्य है।

और रोबोट, यहां तक कि सबसे आधुनिक और सरल छवि मान्यता एल्गोरिदम से लैस है? .. अगर, मार्टियन एलियंस के हमले के दौरान, वह मौसम की रिपोर्ट के साथ एक रिपोर्ट शुरू करता है और उसके सामने फैले नए परिदृश्य के विवरण के साथ जारी रहता है, तो उसे हमले की रिपोर्ट करने का समय नहीं मिल सकता है।

निष्कर्ष

दृश्य चित्रों की सरल मान्यता मानव आंखों की जगह नहीं लेगी।
छवि मान्यता एल्गोरिदम एक सहायक उपकरण है जिसमें बहुत संकीर्ण गुंजाइश होती है।
एक रोबोट के लिए न केवल सोच शुरू करना, बल्कि कम से कम इसे मानवीय रूप से देखना, एल्गोरिदम को न केवल पैटर्न मान्यता के लिए आवश्यक है, बल्कि एक ही पूर्ण और अभी तक अप्राप्य मानव सोच के लिए भी आवश्यक है।

छवि मान्यता एल्गोरिदम की सीमाएं

More articles: