"Alimlər yeni üsulla kompüter görməsini insan qavrayışına yaxınlaşdırıb..."
İnsan qavrayışına yaxınlaşan süni intellekt
"Google DeepMind:, "Anthropic" və bir neçə alman universitetinin tədqiqatçıları süni intellektin vizual qavrayışını insan səviyyəsinə yaxınlaşdıran yeni üsul təqdim edib. Araşdırmalar göstərir ki, insan vizual qərarlarına uyğun tənzimlənmiş modellər məlumatı daha dəqiq ümumiləşdirir və səhvlərə daha az meylli olur.
Müasir neyron şəbəkələrinin əsas problemi onların dünyanı "görmə" üsulunun insanlardan fərqli olmasıdır. İnsanlar vizual kateqoriyaları və əlaqələri detallardan abstraksiyalara doğru ierarxik şəkildə qurur. Neyron şəbəkələr isə əsasən lokal oxşarlıqlara diqqət yetirir və obyektlərin mənalı əlaqələrini demək olar ki, tutmur. Məsələn, insanlar bilir ki, it və balıq tamamilə fərqli görünüşə malik olsalar da, hər ikisi "canlı" kateqoriyasına daxildir. Əks halda, süni intellekt modelləri səhv nəticələr verir və yanlış inama yol açır.
AligNet sistemi və texniki tərəqqi
Bu problemi aradan qaldırmaq üçün alimlər AligNet sistemini hazırlayıb. Sistem belə işləyir: "Müəllim modeli" kimi SigLIP arxitekturasının təkmilləşdirilmiş versiyası istifadə olunur. Model THINGS datasetindəki insan qiymətləndirmələrinə əsaslanaraq milyonlarla sintetik şəkil üçün qiymətləndirmələr yaradır. Bu məlumatlar ViT və DINOv2 kimi populyar arxitekturaların əlavə öyrədilməsində istifadə olunur.
Eksperimentlər göstərib ki, AligNet ilə tənzimlənmiş modellər insan qiymətləndirmələri ilə daha çox üst-üstə düşür. Hətta Levels datasetində bir model insanlar arasındakı orta razılaşma səviyyəsini aşa bilib. Texniki baxımdan da inkişaflar diqqət çəkir: modellərin dayanıqlığı və ümumiləşdirmə qabiliyyəti bəzi testlərdə ikiqat artıb, ImageNet-A datasetində dəqiqlik +9,5 faiz yüksəlib. Model həmçinin öz inam səviyyəsini realistik qiymətləndirməyi öyrənib, insan qavrayışına yaxın davranır. Obyektlər artıq rəng və forma deyil, məna əsasında qruplaşdırılır.
Məqsəd və perspektivlər
Alimlər bildirir ki, məqsəd süni intellekti tam "insanlaşdırmaq" deyil, çünki insan qavrayışı mədəni və fərdi qərəzlərdən azad deyil. Lakin insan vizual strukturlarını əsas modellərə tətbiq etmək, onların real şəraitdə interpretasiyasını və etibarlılığını artırmaq potensialına malikdir. Bu kəşf süni intellektin yalnız şəkilləri deyil, onların mənasını da daha doğru başa düşməsini təmin edərək gələcəkdə daha etibarlı və praktik tətbiqlərə yol açacaq.
