Konstgjord Intelligens Har Lärt Sig Att Titta På Magiska Knep På Ett Mänskligt Sätt - Alternativ Vy

Konstgjord Intelligens Har Lärt Sig Att Titta På Magiska Knep På Ett Mänskligt Sätt - Alternativ Vy
Konstgjord Intelligens Har Lärt Sig Att Titta På Magiska Knep På Ett Mänskligt Sätt - Alternativ Vy

Video: Konstgjord Intelligens Har Lärt Sig Att Titta På Magiska Knep På Ett Mänskligt Sätt - Alternativ Vy

Video: Konstgjord Intelligens Har Lärt Sig Att Titta På Magiska Knep På Ett Mänskligt Sätt - Alternativ Vy
Video: VAD GÖR BARN MED 500 KRONOR - EXPERIMENT 2024, April
Anonim

Spanska forskare lärde en datorvisionsalgoritm att uppfatta tricksna hos en illusionist med ett mynt på samma sätt som en person gör. För att göra detta bad de en professionell illusionist att visa flera trick för tittaren och en igenkänningsalgoritm baserad på DeepLabCut, som används för att spåra laboratoriedjur. Två av de sju visade knepen kunde lyckas lura både en person och en dator, och resultaten av arbetet kan i framtiden hjälpa till att studera uppfattningen av sådana trick av tittare, skriver forskarna i en förtryck på arXiv.org.

Det finns ingen magi i de magiska knepen som illusionisterna visar, hela framgången för deras genomförande kommer till handen. Å andra sidan handlar det också om mänsklig uppfattning: illusionistens handlingar är utformade för att vilseleda betraktaren och spela på hans uppmärksamhet och koncentration. Därför finns det ingen magi för dem som följer trollkarlens händer mycket noggrant, och vilseledande i vissa trick kan lätt upptäckas om du till exempel spelar in hans prestanda på video och spelar långsamt.

Självklart är situationen med uppfattningen av sådana trick genom datorsynalgoritmer något annorlunda: faktiskt är datorn befriad från möjligheten att lura, och i fallet, hur väl den kan känna igen bedrag beror på kvaliteten på dess arbete. Forskarna under ledning av Alex Gomez-Marin från Institutet för neurovetenskaper i Alicante (Spanien) beslutade att testa huruvida en sådan algoritm kan lära sig att titta på illusionisternas trick som person.

För att göra detta anlitade forskarna en professionell illusionist och bad honom att visa sju enkla visuella trick med mynt - utan några muntliga tillägg som kan distrahera tittaren och påverka illusionens framgång. Tricksna kännetecknades av rörelserna i illusionistens hand som var nödvändig för myntets försvinnande: till exempel, i det ena var det viktigt att dra myntet på bordet, och i det andra, till exempel, ta det.

Alla tricks visades för människor, liksom en algoritm baserad på DeepLabCut, som presenterades av tyska forskare förra året: den används för att automatiskt spåra rörelserna hos laboratoriedjur och kan till och med analysera rörelserna för enskilda delar av deras kroppar (till exempel mössens tassar). Algoritmens uppgift var att bestämma placeringen av myntet i slutet av varje trick - exakt samma uppgift som forskningsdeltagarna möter.

Forskare jämförde resultaten från en person och en algoritm och fann att endast två fall var möjliga att lura dem båda. Tre knep som lurade publiken, algoritmen lurade inte - det bestämde myntets position. Ett trick lurade också algoritmen, men inte publiken, och en - tvärtom. Till exempel, det fjärde tricket, där illusionisten lägger ut mynt i rad (du kan se det i videon), visade sig vara enkelt för algoritmen, men kunde lura betraktaren, eftersom den sistnämnda uppmärksamheten under rörelserna riktades till handen i vilken illusionisten ursprungligen höll mynten. därför blev det faktum att trollkarlen satte in ett mynt med sin andra hand obemärkt. Eftersom en algoritm utbildad för att spåra ett mynt inte har några problem att spåra båda händerna på en gång, lurades den inte. Å andra sidan, i det sjätte tricket - exakt samma som det första,men den gjordes speciellt med ett misstag - algoritmen, till skillnad från tittaren, misslyckades med att känna igen bedrägeriet, eftersom myntet kastade upp, tydligen, visade sig vara en kant i förhållande till kameran, vilket orsakade svårigheter att känna igen en dator och inte för en person.

Författarna klargör att de inte var intresserade av algoritmens förmåga att snabbt ta reda på illusionistens trick. Snarare ville de se om det var möjligt att få honom att titta på dem på samma sätt som en vanlig person ser ut, och inte den som försöker lösa bedrägeriet, utan den som faktiskt uppfattar tricket som en slags magi. Det faktum att DeepLabCut i vissa fall inte riktigt kunde känna igen bedrägeri på samma sätt som en person, vilket enligt forskare innebär att sådana algoritmer kan användas för att analysera människans uppfattning - bara i situationer som illusionists trick.

Kampanjvideo:

Elizaveta Ivtushok

Rekommenderas: