ИИ научился видеть, как мозг: прорыв в машинном зрении

23.04.2025 17:15:00 | iXBT.com

Ученые из Южной Кореи и Германии разработали новый метод искусственного интеллекта (ИИ), который делает машинное зрение ближе к человеческому. Технология, получившая название Lp-Convolution, позволяет ИИ обрабатывать изображения более эффективно, подобно тому, как это делает зрительная кора головного мозга. В результате повышается точность распознавания, снижаются вычислительные затраты и открываются новые перспективы для различных областей, от беспилотных автомобилей до медицинской диагностики.

Изображение сгенерировано Kandinsky

Традиционные системы ИИ, такие как сверточные нейронные сети (CNN), используют фиксированные фильтры для анализа изображений. Это ограничивает их способность улавливать сложные детали. Другие модели, Vision Transformers, хоть и мощные, требуют огромных вычислительных ресурсов. Lp-Convolution решает эти проблемы, вдохновляясь принципами работы зрительной коры мозга. Вместо жестких фильтров, новый метод использует гибкие, адаптирующиеся к форме объекта фильтры, подобно тому, как нейроны в мозге фокусируются на ключевых деталях.

Тестирование Lp-Convolution на наборах данных CIFAR-100 и TinyImageNet показало улучшение точности как классических, так и современных моделей CNN. Более того, сравнение паттернов обработки ИИ с нейронной активностью мозга мышей выявило поразительное сходство, подтверждая биологическую правдоподобность нового метода. Lp-Convolution не только повышает эффективность CNN, но и делает их менее ресурсоемкими, предлагая альтернативу более сложным системам.

Это открытие потенциально может привести к созданию более эффективных и адаптивных алгоритмов. Команда ученых, сделавших это открытие, планирует исследовать возможности применения данной технологии для решения сложных задач, таких как решение головоломок и обработка видео в реальном времени. Стремясь к дальнейшему развитию и сотрудничеству в этой области, команда опубликовала код и предобученные модели в открытом доступе на GitHub. Это позволит другим исследователям экспериментировать с технологией и вносить свой вклад в ее развитие.

Подробнее