روش های جدید یادگیری عمیق که روی ویدیوهایی از حیوانات آزمایش شده اند، نوعی موفقیت در نظارت به شمار می روند.

رسانه ها و حامیان حفظ حریم خصوصی، توجه زیادی را به فناوری تشخیص چهره اختصاص داده اند که می تواند افراد خاصی را در مکان های عمومی شناسایی و بر آنها نظارت کند اما کاربرد این فناوری در عکس های افراد بازداشت شده، بسیار بهتر از کاربرد آن در فضاهای عمومی است، زیرا معمولا در این فضاها نمی توان نور، زاویه دوربین و موانع را کنترل کرد.

در هر حال امکان دارد ایده جدید پژوهشگران پرتغالی، به این مجادله ها پایان دهد. آنها باور دارند که هوش مصنوعی می تواند افراد را بدون این فناوری، تشخیص دهد و شناسایی کند. آنها این ایده خود را روی گورخرماهی و مگس ها آزمایش کرده اند.

آنها در روش خود، از یک شبکه عصبی پیچشی (CNN) استفاده کرده اند. شبکه عصبی پیچشی، نوعی روش یادگیری ماشینی است که می تواند روش مورد استفاده مغز انسان ها و پستانداران دیگر را در شناخت جهان پیرامون آنها، تقلید کند.

قشر مغز، میدان دید را با همان روشی تقسیم بندی می کند که برای تقسیم نقشه به چندین شبکه مورد استفاده قرار می گیرد. گروه های سلولی موجود در قشر مغز، با بخشی از میدان دید منطبق هستند که قابلیت دیدن را فرام می کنند و به مغز امکان می دهند اشیای موجود در میدان دید را از شبکه ای به شبکه دیگر ردیابی کند.

شبکه عصبی پیچشی، نقش مهمی را در بسیاری از برنامه های تشخیص چهره بر عهده دارد اما پژوهش های کمی این روش را در بررسی ویدیوهای مربوط به اشیای در حال حرکت مورد استفاده قرار داده اند.

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 گروه هایی از گورخرماهی و مگس به کار بردند. آنها با این کار نشان دادند که شبکه عصبی می تواند خود را برای تشخیص افراد از روی حرکات آنها آموزش دهد. دقت این روش در هر دو گروه مورد آزمایش، بالای 99 درصد بود.

 

ITMen