Las redes neuronales no entienden qué son las ilusiones ópticas

Imagen de ilusión óptica en blanco y negro. pixabay

La visión humana es una facilidad extraordinaria. Aunque evolucionó en entornos específicos durante muchos millones de años, es capaz de realizar tareas que los primeros sistemas visuales nunca experimentaron. La lectura es un buen ejemplo, al igual que la identificación de objetos artificiales como automóviles, aviones, señales de tránsito, etc.

Pero el sistema visual también tiene un conjunto bien conocido de deficiencias que experimentamos como ilusiones ópticas. De hecho, los investigadores han identificado muchas formas en que estas ilusiones hacen que los humanos juzguen mal el color, el tamaño, la alineación y el movimiento.

Las ilusiones en sí mismas son interesantes porque brindan información sobre la naturaleza del sistema visual y la percepción. Por lo tanto, las formas de encontrar nuevas ilusiones que exploren estos límites serían de gran utilidad.

¿Círculos concéntricos?

Ahí es donde entra en juego el aprendizaje profundo. En los últimos años, las máquinas han aprendido a reconocer objetos y caras en imágenes y luego a crear imágenes similares por sí mismas. Por lo tanto, es fácil imaginar que un sistema de visión artificial debería poder aprender a reconocer ilusiones y luego crear las suyas propias.

Entran Robert Williams y Roman Yampolskiy en la Universidad de Louisville en Kentucky. Estos muchachos intentaron esta hazaña pero descubrieron que las cosas no son tan simples. Los sistemas actuales de aprendizaje automático no pueden generar sus propias ilusiones ópticas, al menos no todavía. ¿Por qué no?

Primero algunos antecedentes. Los avances recientes en el aprendizaje profundo se basan en dos avances. El primero es la disponibilidad de poderosas redes neuronales y uno o dos trucos de programación que los hacen buenos para aprender.

El segundo es la creación de enormes bases de datos anotadas de las que las máquinas pueden aprender. Enseñar a una máquina a reconocer caras, por ejemplo, requiere muchas decenas de miles de imágenes que contengan caras que estén claramente etiquetadas. Con esa información, una red neuronal puede aprender a detectar patrones faciales característicos: dos ojos, una nariz y una boca, por ejemplo. Y lo que es aún más impresionante, un par de ellos, llamados redes generativas antagónicas, pueden enseñarse mutuamente a crear imágenes realistas, pero totalmente sintéticas, de rostros.

Williams y Yampolskiy se propusieron enseñar una red neuronal para identificar ilusiones ópticas de la misma manera. La potencia informática está fácilmente disponible, pero las bases de datos necesarias no lo están. Entonces, la primera tarea de los investigadores fue crear una base de datos de ilusiones ópticas para el entrenamiento.

Eso resulta ser difícil. La cantidad de imágenes de ilusiones ópticas estáticas es de miles, y la cantidad de tipos únicos de ilusiones es ciertamente muy baja, tal vez solo unas pocas docenas, dicen.

Eso representa un desafío para los sistemas actuales de aprendizaje automático. La creación de un modelo capaz de aprender a partir de un conjunto de datos tan pequeño y limitado representaría un gran salto en los modelos generativos y la comprensión de la visión humana, dicen.

Así que Williams y Yampolskiy compilaron una base de datos de más de 6000 imágenes de ilusiones ópticas y luego entrenaron una red neuronal para reconocerlas. Luego construyeron una red adversaria generativa para crear ilusiones ópticas por sí mismos.

Los resultados fueron decepcionantes. No se creó nada de valor después de 7 horas de capacitación en un Nvidia Tesla K80, dicen los investigadores, quienes pusieron su base de datos a disposición de otros.

Sin embargo, este es un resultado interesante. Las únicas ilusiones ópticas conocidas por los humanos han sido creadas por la evolución (por ejemplo, los patrones de los ojos en las alas de las mariposas) o por artistas humanos, señalan.

En ambos casos, los humanos juegan un papel crucial al proporcionar comentarios valiosos: los humanos pueden ver la ilusión.

Pero los sistemas de visión artificial no pueden. Parece poco probable que [una red adversaria generativa] pueda aprender a engañar a la visión humana sin poder comprender los principios detrás de estas ilusiones, dicen Williams y Yampolskiy.

Puede que no sean fáciles, porque existen diferencias cruciales entre los sistemas de visión artificial y el sistema visual humano. Varios investigadores están desarrollando redes neuronales que se asemejan cada vez más al sistema visual humano. Quizás una prueba interesante sea si pueden ver ilusiones o no.

Mientras tanto, Williams y Yampolskiy no son optimistas. Parece que un conjunto de datos de imágenes de ilusión podría no ser suficiente para crear nuevas ilusiones, dicen. Entonces, por el momento, las ilusiones ópticas son un bastión de la experiencia humana que las máquinas no pueden conquistar.

Ref: arxiv.org/abs/1810.00415 : Conjunto de datos de imágenes de ilusiones ópticas

esconder