Spānijas pētnieki iemācīja datora redzes algoritmu, kā iluzionista viltības ar monētu uztvert tāpat, kā to dara cilvēks. Lai to izdarītu, viņi lūdza profesionālu iluzionistu parādīt skatītājam vairākus trikus un uz DeepLabCut balstītu atpazīšanas algoritmu, kas tiek izmantots laboratorijas dzīvnieku izsekošanai. Divi no septiņiem parādītajiem trikiem spēja veiksmīgi maldināt gan cilvēku, gan datoru, un darba rezultāti nākotnē var palīdzēt izpētīt, kā skatītāji uztver šādus trikus, zinātnieki raksta priekšspiedumā vietnē arXiv.org.
Maģiskajos trikus, ko demonstrē iluzionisti, nav nekādu maģiju, visi panākumi to īstenošanā ir roku uzlikšana. No otras puses, tas ir arī cilvēka uztveres jautājums: iluzionista rīcība ir paredzēta, lai maldinātu skatītāju, spēlējoties uz viņa uzmanīgumu un koncentrēšanos. Tāpēc tiem, kas ļoti uzmanīgi seko burvju rokām, nav maģijas, un dažu triku maldināšanu var viegli atklāt, ja, piemēram, ierakstāt viņa sniegumu video un atskaņojat to lēnām.
Protams, situācija ar šādu triku uztveri, izmantojot datora redzes algoritmus, ir nedaudz atšķirīga: patiesībā dators tiek atbrīvots no iespējas tikt maldinātam, un tā gadījumā tas, cik labi spēj atpazīt maldināšanu, ir atkarīgs no tā darba kvalitātes. Pētnieki, kurus vadīja Alekss Gomezs-Marins no Alikantes Neirozinātņu institūta (Spānija), nolēma pārbaudīt, vai šādu algoritmu var iemācīt aplūkot iluzionistu viltības kā personai.
Lai to izdarītu, zinātnieki nolīga profesionālu iluzionistu un lūdza viņu parādīt septiņus vienkāršus vizuālus trikus ar monētām - bez vārdiskiem papildinājumiem, kas var novērst uzmanību no skatītāja un ietekmēt ilūzijas panākumus. Triki izcēlās ar iluzionista rokas kustībām, kas vajadzīgas monētas pazušanai: piemēram, vienā bija svarīgi vilkt monētu uz galda, bet otrā, piemēram, to satvert.
Cilvēkiem tika parādīti visi triki, kā arī algoritms, kura pamatā bija DeepLabCut un kuru pagājušajā gadā prezentēja vācu zinātnieki: tas tiek izmantots, lai automātiski izsekotu laboratorijas dzīvnieku kustības un pat var analizēt atsevišķu ķermeņa daļu kustības (piemēram, peļu ķepas). Algoritma uzdevums bija noteikt monētas atrašanās vietu katra trika beigās - tieši tāds pats uzdevums, ar kuru saskārās pētījuma dalībnieki.
Zinātnieki salīdzināja personas rezultātus un algoritmu un secināja, ka abus maldināt ir iespējams tikai divos gadījumos. Trīs triki, kas maldināja auditoriju, algoritms nemaldināja - tas noteica monētas pozīciju. Arī viens triks izkrāpa algoritmu, bet ne auditoriju, un viens - otrādi. Piemēram, ceturtais triks, kurā iluzionists izliek monētas pēc kārtas (to var noskatīties video), algoritmam izrādījās vienkāršs, taču tas spēja maldināt skatītāju, jo pēdējā uzmanība kustību laikā tika vērsta uz roku, kurā iluzionists sākotnēji turēja monētas. tāpēc tas, ka burvis ar otru roku ielika monētu, palika nepamanīts. Tā kā algoritmam, kas apmācīts monētas izsekošanai, nav problēmu izsekot abām rokām vienlaikus, tas netika apmānīts. No otras puses, sestajā trikā - tieši tāds pats kā pirmais,bet tas tika speciāli izdarīts ar kļūdu - algoritms atšķirībā no skatītāja krāpšanu neatzina, jo mētātā monēta acīmredzot izrādījās maliņa attiecībā pret kameru, kas radīja grūtības atpazīt datoru, nevis cilvēku.
Autori precizē, ka viņus neinteresēja algoritma spēja ātri izdomāt iluzionista trikus. Drīzāk viņi gribēja redzēt, vai ir iespējams likt viņam uz viņiem skatīties tāpat kā parasts cilvēks, nevis nevis tas, kurš mēģina atrisināt maldināšanu, bet gan tas, kurš triku faktiski uztver kā kaut kādu maģiju. Fakts, ka dažos gadījumos DeepLabCut patiesībā nespēja atpazīt maldināšanu tāpat kā cilvēks, kas, pēc zinātnieku domām, nozīmē, ka šādus algoritmus var izmantot, lai analizētu cilvēka uztveri - tieši tādās situācijās kā iluzionistu viltības.
Reklāmas video:
Elizaveta Ivtushok