Крысы победили ИИ в распознавании непонятных объектов

Передовые модели искусственного интеллекта уже могут создавать компьютерный код и открывать новые лекарства, но когда дело доходит до распознавания простых объектов, им, возможно, еще есть чему поучиться у скромной крысы. Таковы выводы, сделанные в работе, опубликованной на этой неделе в журнале Patterns. Исследователи из Scuola Internazionale Superiore di Studi Avanzati (SISSA) в Италии поставили перед моделью распознавания изображений задачу повторить способность крыс распознавать объекты, которые были повернуты, изменены в размере и частично затемнены. .

Зрение крыс отличается от человеческого по нескольким заметным параметрам. Credit: Jagoda Matejczuk / 500px via Getty Images

ИИ-модель смогла сравняться с крысами по возможностям обработки изображений, но только после того, как стала использовать все больше и больше ресурсов и компьютерной мощности, чтобы наверстать упущенное. Хотя идентификация объектов в их первоначальном положении была легкой как для ИИ, так и для крысы, исследователям пришлось увеличить производительность модели, чтобы сравняться с возможностями крыс по обработке изображений при идентификации объектов, которые были изменены различными способами. По словам исследователей, их результаты говорят о том, что зрение крысы, отточенное за миллионы лет эволюции, все еще эффективнее, чем даже мощные системы распознавания образов.

Зрение крыс оказалось уникально "эффективным и адаптируемым"

Зрение крыс отличается от человеческого по нескольким заметным параметрам. Во-первых, как и у многих других млекопитающих, глаза крыс расположены на боковой стороне головы. Это дает им более широкое поле зрения, что полезно в дикой природе для обнаружения и избегания хищников. Но, что еще более странно, прошлые исследования показали, что глаза крыс также двигаются в противоположных направлениях в зависимости от ориентации головы. В результате крысы кажутся "косоглазыми", когда направляют голову вниз. В данном эксперименте крысы были обучены с помощью лакомств идентифицировать объекты, отображаемые на мониторе. Когда они определяли объект, срабатывал сенсорный датчик.

Изображения, поступающие в модель искусственного интеллекта, проходят "фазу предварительной обработки", чтобы имитировать ограниченный пространственный обзор крысы. Credit: Superiore di Studi Avanzati.

Чтобы проверить, как это крысиное зрение противостоит искусственному интеллекту, исследователи SISSA создали "конволюционную нейронную сеть" (CNN). Этот тип модели глубокого обучения, широко рассматриваемый инженерами как одна из самых передовых систем ИИ для распознавания изображений, был частично смоделирован на основе зрительной коры млекопитающих. Для распознавания объектов в CNN используется система слоев. Начальная, самая рудиментарная база может обрабатывать и идентифицировать простые признаки, такие как края и контрасты. Сверху добавляются новые слои, чтобы идентифицировать все более сложные типы изображений. Каждый дополнительный слой требует больше ресурсов и мощности компьютера для работы. Это почти как лазанья, которой требуется больше ингредиентов, чтобы стать выше и плотнее.

Затем перед этой моделью CNN поставили задачу воспроизвести способность подопытных крыс распознавать объекты в различных условиях. На самом базовом уровне - распознавании объекта, который находится без препятствий и в нормальном положении - и крысы, и ИИ справились с этой задачей. В этом случае модели ИИ требовалось задействовать только первый уровень. Но ситуация менялась по мере усложнения задач. Когда объекты поворачивались или изменяли размер, CNN-модели требовалось добавлять больше слоев и больше ресурсов. Крысы же продолжали последовательно идентифицировать объекты при их трансформации и даже замечали их, когда они были частично заслонены, с чем ИИ справлялся с трудом. Крысиное зрение, заключили исследователи, в целом оказалось более гибким и адаптируемым, чем распознавание изображений искусственным интеллектом.

"Крысы, которые часто считаются плохими моделями зрения, на самом деле демонстрируют сложные способности, которые заставляют нас переосмыслить потенциал их зрительной системы и, одновременно, ограничения искусственных нейронных сетей", - говорит нейробиолог из SISSA и автор статьи Давиде Зокколан (Davide Zoccolan) в своем заявлении. "Это говорит о том, что они могут стать хорошей моделью для изучения зрительных способностей человека или приматов, которые имеют высокоразвитую зрительную кору, даже по сравнению с искусственными нейронными сетями, которые, несмотря на их успех в воспроизведении зрительных способностей человека, часто делают это, используя совершенно другие стратегии".

ИИ еще предстоит многому научиться, прежде чем его можно будет считать "сверхразумным"

Исследование зрения крыс должно послужить полезным напоминанием о том, что мощные модели ИИ действительно впечатляют при выполнении некоторых конкретных задач, но они не являются непогрешимыми. В конце прошлого года генеральный директор OpenAI Сэм Альтман опубликовал в блоге пост, похожий на манифест, в котором говорится, что мир может столкнуться со "сверхразумом" ИИ через "несколько тысяч дней". Миллиардер Элон Маск также заявил, что сверхинтеллектуальный ИИ, скорее всего, появится уже в этом году.

Но что на самом деле означают эти показатели? Да, большие языковые модели уже превзошли некоторых людей в стандартных тестах для медицинских и юридических вузов. (ИИ все еще не может поставить официальный медицинский диагноз без участия врача, а профессиональные юристы были оштрафованы и отстранены от работы за представление сгенерированных ИИ юридических записок, содержащих сфабрикованные факты). В то же время продвинутые системы ИИ, реализованные в двуногих роботах, все еще часто испытывают трудности с балансировкой. И, как показывают исследования SISSA, ИИ, похоже, не может сравниться с остротой зрения крыс. Другими словами, ИИ еще предстоит многому научиться, как у людей, так и у животных.