به گزارش ایسنا و به نقل از دیفنس‌وان، روش‌های جدید یادگیری عمیق که روی ویدئوهایی از حیوانات آزمایش شده‌اند، نوعی موفقیت در نظارت به شمار می‌روند.

رسانه‌ها و حامیان حفظ حریم خصوصی، توجه زیادی را به فناوری تشخیص چهره اختصاص داده‌اند که می‌تواند افراد خاصی را در مکان‌های عمومی شناسایی و بر آنها نظارت کند اما کاربرد این فناوری در عکس‌های افراد بازداشت شده، بسیار بهتر از کاربرد آن در فضاهای عمومی است، زیرا معمولا در این فضاها نمی‌توان نور، زاویه دوربین و موانع را کنترل کرد.

در هر حال امکان دارد ایده جدید پژوهشگران پرتغالی، به این مجادله‌ها پایان دهد. آنها باور دارند که هوش مصنوعی می‌تواند افراد را بدون این فناوری، تشخیص دهد و شناسایی کند. آنها این ایده خود را روی گورخرماهی و مگس‌ها آزمایش کرده‌اند.

آنها در روش خود، از یک "شبکه عصبی پیچشی"(CNN) استفاده کرده‌اند. شبکه عصبی پیچشی، نوعی روش یادگیری ماشینی است که می‌تواند روش مورد استفاده مغز انسان‌ها و پستانداران دیگر را در شناخت جهان پیرامون آنها، تقلید کند.

قشر مغز، میدان دید را با همان روشی تقسیم‌بندی می‌کند که برای تقسیم نقشه به چندین شبکه مورد استفاده قرار می‌گیرد. گروه‌های سلولی موجود در قشر مغز، با بخشی از میدان دید منطبق هستند که قابلیت دیدن را فرام می‌کنند و به مغز امکان می‌دهند اشیای موجود در میدان دید را از شبکه‌ای به شبکه دیگر ردیابی کند. شبکه عصبی پیچشی، نقش مهمی را در بسیاری از برنامه‌های تشخیص چهره بر عهده دارد اما پژوهش‌های کمی این روش را در بررسی ویدئوهای مربوط به اشیای در حال حرکت مورد استفاده قرار داده‌اند.

پژوهشگران علاوه بر به کار بردن شبکه عصبی برای تشخیص چهره، آن را به دو بخش تقسیم کردند و آن را برای بررسی رفتار جمعی گروه‌هایی از گورخرماهی و مگس‌ به کار بردند. آنها با این کار نشان دادند که شبکه عصبی می‌تواند خود را برای تشخیص افراد از روی حرکات آنها آموزش دهد. دقت این روش در هر دو گروه مورد آزمایش، بالای 99 درصد بود.

انتهای پیام