Pourquoi la vision artificielle est défectueuse de la même manière que la vision humaine

Les réseaux de neurones à convolution profonde ont pris d'assaut le monde de l'intelligence artificielle. Ces machines surpassent désormais régulièrement les humains dans des tâches allant de la reconnaissance de visages et d'objets à l'ancien jeu de Go.

L'ironie, bien sûr, c'est que les réseaux de neurones ont été inspirés par la structure du cerveau. Il s'avère qu'il existe des similitudes remarquables entre la structure plus large des réseaux de neurones convolutifs profonds derrière la vision artificielle et la structure du cerveau responsable de la vision. L'un d'eux a évolué au cours de millions d'années, l'autre s'est produit au cours de quelques décennies seulement. Mais les deux semblent fonctionner de la même manière.

Et cela soulève une question intéressante : si la vision artificielle et la vision humaine fonctionnent de manière similaire, sont-elles également limitées par les mêmes limitations ? Les humains et les machines sont-ils confrontés aux mêmes défis liés à la vision ?

Aujourd'hui, nous obtenons une réponse grâce au travail de Saeed Reza Kheradpisheh de l'Université de Téhéran en Iran et de quelques amis du monde entier. Ces gars-là ont testé des humains et des machines avec les mêmes défis de vision et ont découvert qu'ils sont effectivement aux prises avec le même genre de problèmes.

Tout d'abord un peu de contexte. La voie cérébrale responsable de la vision fonctionne en plusieurs couches, dont chacune est censée extraire progressivement plus d'informations d'une image, telles que le mouvement, la forme, la couleur, etc. Chaque couche se compose d'un grand nombre de neurones connectés dans un vaste réseau.

Les réseaux de neurones à convolution profonde ont une structure similaire. Eux aussi sont constitués de couches, et chacune d'elles est un réseau de circuits conçus pour imiter le comportement des neurones, d'où le terme réseau de neurones.

Après de nombreux essais et erreurs, les informaticiens ont découvert que ces couches fonctionnent mieux lorsque chacune extrait progressivement plus d'informations sur une image. Et lorsqu'ils examinent le comportement des couches individuellement, ils trouvent des similitudes remarquables avec la fonction de couches spécifiques du cerveau.

Mais si le cerveau humain est doué pour la reconnaissance d'objets, il n'est pas parfait. Changez l'image d'une manière ou d'une autre et il n'est pas toujours facile de reconnaître l'objet qu'elle contient.

Imaginez une photo d'une voiture prise de côté, par exemple. Cette image peut être modifiée de différentes manières. L'une consiste à translater l'objet, à le déplacer d'une partie de l'image à une autre. Une autre est de l'agrandir ou de la rétrécir.

Ensuite, il existe deux types de rotation. L'une est une rotation dans le plan qui montre la voiture de côté mais à l'envers, par exemple.

Il y a aussi des rotations en profondeur. Dans ce cas, vous devez imaginer la voiture comme un objet 3D vu de côté. Une rotation en profondeur montre alors la voiture de face, de dos ou de trois quarts et ainsi de suite.

Mais étant donné deux photos de la même voiture sous des angles différents, est-il difficile d'être sûr que les deux montrent le même véhicule ? Il est clair que certains types de distorsion sont plus difficiles que d'autres, mais lesquels ? Et les machines ont-elles le même problème ?

Pour le savoir, Kheradpisheh et co ont produit des variations d'images de quatre types d'objets différents, puis ont testé dans quelle mesure les humains et les réseaux de neurones à convolution profonde font face à la tâche de les reconnaître.

Le test pour les humains consiste à choisir une image au hasard et à l'afficher sur un écran pendant 12,5 millisecondes. Le sujet doit ensuite appuyer sur l'un des quatre boutons pour indiquer si l'image est celle d'une voiture, d'un bateau, d'une moto ou d'un animal.

L'équipe a testé un total de 89 humains différents qui ont chacun visionné 960 images. Les chercheurs ont utilisé la vitesse et la précision de la réponse de chaque sujet comme mesure de la capacité à reconnaître chaque objet.

L'équipe a également effectué un test équivalent sur deux des réseaux convolutionnels profonds les plus puissants utilisés pour la reconnaissance d'objets, l'un développé à l'Université de Toronto au Canada et l'autre à l'Université d'Oxford au Royaume-Uni.

Les résultats rendent la lecture intéressante. Nous avons constaté que les humains et les DCNN étaient largement d'accord sur les difficultés relatives de chaque type de variation, disent Kheradpisheh et co. La rotation en profondeur est de loin la transformation la plus difficile à gérer, suivie de l'échelle, puis de la rotation dans le plan et enfin de la position (beaucoup plus facile).

C'est un travail intéressant qui a des implications immédiates. Pour commencer, les informaticiens devront être beaucoup plus prudents dans la façon dont ils créent des bases de données pour tester la vision artificielle. À l'avenir, ils devront contrôler les facteurs que les machines trouvent plus difficiles.

Mais cela montre également le potentiel des réseaux de neurones à convolution profonde pour aider à sonder le fonctionnement de la cognition humaine. La conception de certaines images est une tâche critique dans des applications telles que le contrôle du trafic aérien, les issues de secours, les consignes d'utilisation des équipements de sauvetage, etc.

Faire appel à des humains pour évaluer ces images est une entreprise longue et coûteuse. Mais peut-être que ces types de réseaux de neurones pourraient faire le travail à la place ou au moins éliminer les pires exemples et laisser les humains avec une tâche bien mieux définie et moins onéreuse.

Au-delà de cela, il peut être possible de concevoir des systèmes de vision artificielle qui ne sont pas trompés de la même manière que les humains et pourraient donc augmenter la prise de décision humaine dans des situations critiques telles que la conduite.

Et ce n'est que le début. Les réseaux de neurones révolutionnent déjà toutes sortes de tâches qui étaient autrefois réservées aux humains - ce changement ne fera que s'accélérer.

Réf : arxiv.org/abs/1604.06486 : Les humains et les réseaux profonds s'accordent largement sur les types de variations qui rendent la reconnaissance d'objets plus difficile

cacher