ИИ научился видеть, как мозг: прорыв в машинном зрении

Ученые из Южной Кореи и Германии разработали новый метод искусственного интеллекта (ИИ), который делает машинное зрение ближе к человеческому. Технология, получившая название Lp-Convolution, позволяет ИИ обрабатывать изображения более эффективно, подобно тому, как это делает зрительная кора головного мозга ^[1]. В результате повышается точность распознавания, снижаются вычислительные затраты и открываются новые перспективы для различных областей, от беспилотных автомобилей до медицинской диагностики.

^[2]

Традиционные системы ИИ, такие как сверточные нейронные сети (CNN), используют фиксированные фильтры для анализа изображений. Это ограничивает их способность улавливать сложные детали. Другие модели, Vision Transformers, хоть и мощные, требуют огромных вычислительных ресурсов. Lp-Convolution решает эти проблемы, вдохновляясь принципами работы зрительной коры мозга ^[1]. Вместо жестких фильтров, новый метод использует гибкие, адаптирующиеся к форме объекта фильтры, подобно тому, как нейроны в мозге ^[1] фокусируются на ключевых деталях.

Тестирование Lp-Convolution на наборах данных CIFAR-100 и TinyImageNet показало улучшение точности как классических, так и современных моделей CNN. Более того, сравнение паттернов обработки ИИ с нейронной активностью мозга ^[1] мышей выявило поразительное сходство, подтверждая биологическую правдоподобность нового метода. Lp-Convolution не только повышает эффективность CNN, но и делает их менее ресурсоемкими, предлагая альтернативу более сложным системам. 

Это открытие потенциально может привести к созданию более эффективных и адаптивных алгоритмов. Команда ученых, сделавших это открытие, планирует исследовать возможности применения данной технологии для решения сложных задач, таких как решение головоломок и обработка видео в реальном времени. Стремясь к дальнейшему развитию и сотрудничеству в этой области, команда опубликовала код и предобученные модели в открытом доступе на GitHub. Это позволит другим исследователям экспериментировать с технологией и вносить свой вклад в ее развитие.

Источник ^[3]