Создана компьютерная нейронная сеть, возможности которой сравнимы с возможностями приматов в области распознавания визуальных образов
Компьютеры пока еще являются инструментами, не наилучшим образом подходящими для реализации технологий распознавания визуальных образов различных объектов.
Наилучшим "распознавальщиком" является наш мозг, способный моментально сопоставить видимый образ с имеющимся в его памяти образом-шаблоном, задействовав при этом абстрактное представление и интуицию. Но такое положение дел не помешало ученым-нейробиологам и программистам за последние 40 лет производить попытки создания компьютерных нейронных сетей, работа которых подражает работе нашего мозга. А последние достижения в области создания высокопроизводительных вычислительных систем, алгоритмов построения самообучающихся нейронных сетей ускорили этот процесс до того момента, когда группе исследователей из Массачусетского технологического института удалось создать компьютерную нейронную сеть, возможности которой в области распознавания визуальных образов практически сравнялись с возможностями мозга некоторых видов животных-приматов.
Данное достижение имеет огромное значение не только для технологий цифровой обработки изображений, используемых в многочисленных программах, сервисах типа Google Images и Яндекс.Картинки. Компьютерные нейронные сети, работающие подобно человеческому мозгу, могут стать одним из тех мостов, которые будут связывать системы искусственного интеллекта с реальным окружающим миром. Кроме этого, разработка подобной нейронной сети является доказательством того, что ученые-нейробиологи знают достаточно много о работе функции распознавания объектов в мозге живых существ.
Свою работу исследователи из Массачусетского технологического института начали с тщательного изучения работы мозга приматов. Они внедрили множество электродов в области мозга подопытного животного-примата, которые отвечают за обработку визуальной информации. Это позволило ученым снимать картину деятельности мозга с высокой разрешающей способностью, вплоть до уровня отдельных нейронов. Перед глазами подопытных животных был прокручен видеоролик, состоящий из 1960 чередующихся изображений, при этом, время между сменой изображения составляло 100 миллисекунд. Такого времени мозгу животного достаточно для выполнения распознавания объектов, но недостаточно для осмысления увиденной картины.
Полученные результаты были сравнены с результатами подобной деятельности компьютерной нейронной сети, на вход которой подавалась та же самая последовательность изображений, а на выходе появлялись числовые последовательности, соответствующие объектам на входных изображениях. Последовательность чисел, представленная в виде матрицы, описывает группировку подобных объектов, и нейронная сеть справилась с этой задачей весьма точно.
"Посредством каждого из вычислительных преобразований, выполненных каждым слоем нейронной сети, определенные объекты сближаются друг с другом, формируя обособленные скопления подобных объектов" - рассказывает Шарль Кадие (Charles Cadieu), ведущий ученый данного проекта, - "Созданная нами вместе со специалистами Нью-Йоркского университета нейронная сеть классифицировала визуальные объекты на уровне, сопоставимом с мозгом макаки-резуса".
Единственным темным пятном во всем этом является то, что ученые не имеют ни малейшего понятия о том, что происходит в недрах созданной ими нейронной сети. Эта нейронная сеть прошла процесс обучения на миллионах и миллиардах изображений, пропуская визуальную информацию сквозь "жернова" процессоров обработки графических данных, подобных тем, которые используются в современных видеокартах. И никому не известно, какие связи образовались между нейронами сети и как они работают из-за того, что эти сети сами совершенствуют собственные алгоритмы.
Теперь, когда известно, что нейронные сети могут сравниться с животными-приматами, а это, согласитесь, достаточно хороший уровень, ученые могут пытаться использовать такие же подходы и технологии и в несколько других областях, также связанных с процессами самообучения. А ученые из Массачусетского технологического института планируют создание новых нейронных сетей, которые будут заниматься обработкой визуальной информации, выполняя функции распознавания жестов, движений и определения форм различных трехмерных объектов.
Создан микроскоп нового типа, использующий голограммы вместо линз оптической системы
Группа исследователей из Калифорнийского университета в Лос-Анджелесе создала опытный образец микроскопа принципиально нового типа. Этот микроскоп, позволяющий получить высококачественные изображения с высокой разрешающей способностью, не использует традиционную оптическую систему с линзами для увеличения изображения объекта. Вместо этого он создает голографическую картину, которая фиксируется датчиком, сопряженным с компьютером, который сохраняет получаемые данные в цифровом виде и воссоздает по ним изображение объекта. Такой не очень традиционный подход позволит в недалеком будущем создать новые микроскопы, не уступающие по качеству достаточно хорошим оптическим микроскопам, но гораздо более компактные по размерам и имеющие значительно меньшую себестоимость.
Попытки создания подобных микроскопов уже производились в более раннее время другими группами ученых. Но, к сожалению, их усилия, можно сказать, пропали практически даром, ни одно из созданных устройств не смогло обеспечить получения снимков приемлемого качества с достаточной разрешающей способностью. Но, как это часто бывает в науке и технике, то, что не поддается в течение долгого времени, рано или поздно, но будет покорено. Опытный образец созданного калифорнийскими учеными микроскопа был передан на испытания в одно из медицинских учреждений. При его помощи опытный дипломированный специалист, разглядывая образцы тканей, сумел поставить правильный диагноз в 74 случаях из 75. Следует отметить, что этот же специалист при помощи высококачественного и дорогостоящего оптического микроскопа поставил правильный диагноз во всех случаях, но одну ошибку вполне можно списать на то, что опытный микроскоп все же является опытным устройством, еще достаточно далеким от совершенства.
Голографический микроскоп производит съемку при помощи излучения когерентного света с определенными параметрами, который проходит через материал исследуемого образца. Явление интерференции света приводит к появлению своеобразной голографической картины, которая фиксируется светочувствительной матрицей, расположенной ниже образца. Данные, зарегистрированные датчиками матрицы, оцифровываются и передаются в компьютер, на котором работают специализированные алгоритмы, восстанавливающие изображение исследуемого объекта и делающие это с большой скоростью и высоким качеством.
Из-за физических ограничений, связанных с использованием линз и других оптических элементов, традиционные микроскопы имеют ограниченную область охвата и минимально допустимые размеры рассматриваемых объектов. Кроме этого, специалисты, работающие с оптическими микроскопами, должны уметь "играть" с его ручками и кнопками для того, чтобы иметь возможность сфокусировать микроскоп на различной глубине материала исследуемого образца. Голографические микроскопы, не имеющие линз, практически лишены всех перечисленных недостатков, кроме этого, синтезируемое таким микроскопом изображение охватывает сразу всю толщину материала образца и компьютеру ничего не стоит виртуально сфокусироваться на каком-то его слое, производя при этом необходимую коррекцию изображения.
В качестве светочувствительного датчика голографического микроскопа используется датчик с высоким разрешением, подобный тем, которые используются в не самых дешевых смартфонах. Он и является самым дорогостоящим элементов устройства, комплектация которого в целом стоит порядка тысячи долларов. Но, пожертвовав значениями некоторых характеристик, калифорнийские исследователи изготовили второй подобный микроскоп, стоимость которого не превышает ста долларов, и при помощи которого можно уверенно идентифицировать микроорганизмы типа бактерий E. Coli.
Источники: http://oko-planet.su и tehnowar.ru.
Свежие комментарии