Изилдөөчүлөрдүн эл аралык тобу адамдын мээсинин иштөөсүнөн шыктанган жаңы көрүү технологиясын иштеп чыгышты. LP-Convolution деп аталган бул ыкма сүрөттү таануунун тактыгын жогорулатуу менен бирге эсептөө ресурстарын үнөмдөөгө мүмкүндүк берет. Технология ICLR 2025 конференциясында сунушталып, жасалма интеллект жана нейроилим тармагында кеңири кызыгууну жаратты.
Бул тууралуу «InoZpress» шилтеме берүү менен билдирди SciTechDaily
Бул ыкма Негизги илимдер институту, Ёнсе университети жана Макс Планк институтунун окумуштуулары тарабынан иштелип чыккан. Максат – адамдын көрүү борбору сыяктуу эле, сүрөттү анализдөөдө нейрондук тармактарды ийкемдүү жана натыйжалуу кылуу. LP-Convolution кадимки квадраттык чыпкалардын ордуна, формасын өзгөртө алган чыпкаларды пайдаланууга мүмкүндүк берет.
CNN менен адам мээсинин ортосундагы ажырым
Адам мээси визуалдык көрүнүштөрдү ылдам жана натыйжалуу таанып, негизги элементтерди тез бөлүп көрсөтө алат. Ал эми салттуу CNN алгоритмдери сүрөттү туруктуу өлчөмдөгү квадраттык чыпкалар менен бөлүп, стандарттуу ыкмада иштейт. Бул чоңураак же татаал обочолонгон маалыматтарды талдоого тоскоол болот.
Акыркы мезгилде Vision Transformer (ViT) деп аталган структуралар бул маселени чечүүгө аракет кылышкан, бирок алар чоң көлөмдөгү маалыматты жана көп эсептөө ресурстарын талап кылат. LP-Convolution бул экөөнүн ортосундагы тең салмакты кармап, адам мээсиндеги маалымат иштетүү структурасына окшош ыкманы сунуштайт.
LP-Convolution кандайча иштейт
Жаңы ыкма көп өзгөрмөлүү p-туураланган нормалдык бөлүштүрүүнү (MPND) колдонуп, CNN чыпкаларынын формасын динамикалуу өзгөртөт. Бул чыпкалар вертикалдуу же горизонталдуу багытта керилип, берилип жаткан тапшырмага ылайыкташат. Бул ыкма биологиялык структурага жакын болгондуктан, адамдын мээсинин ирээттүү жана маанилүү объекттерге көңүл буруу мүмкүнчүлүгүн туурайт.
Буга чейин CNN архитектурасында чоң чыпкаларды колдонуу натыйжалуулукту жогорулата албаган. LP-Convolution бул чектөөнү биологиялык илхам менен, ийкемдүү туташуу үлгүлөрү аркылуу чечет.
Натыйжалар жана нейрофизиологияга жакындыгы
Бул метод CIFAR-100 жана TinyImageNet сыяктуу эл аралык стандарттагы тесттерде ийгиликтүү сыналган. Ал AlexNet жана RepLKNet сыяктуу эски жана заманбап архитектураларда да тактыкты жогорулатып, бузулган маалыматтарга карата туруктуулугун көрсөткөн.
Андан тышкары, LP чыпкалар Гаусс бөлүштүрүүсүнө жакын болгондо, ИИ ичиндеги иштетүү схемалары чычкандардын мээ активдүүлүгүнө абдан окшош болгон. Бул LP-Convolution ыкмасынын нейрофизиологиялык реализмге жакындыгын далилдейт.
Колдонмо мүмкүнчүлүктөрү жана келечеги
Салттуу ыкмалар анча ийкемдүү болбогон чакан чыпкаларга, же ресурска жараша өтө оор трансформерлерге таянат. LP-Convolution болсо жеңил, ишенимдүү жана натыйжалуу альтернатива сунуш кылат. Ал төмөнкү тармактарда кеңири колдонулушу мүмкүн:
- Автоматтык башкаруучу унааларда, жол тоскоолдуктарын тез таануусу үчүн
- Медициналык сүрөттөрдү талдоодо, майда белгилерди так көрсөтүүдө
- Робототехникада, татаал шарттарда иштей алган акылдуу машиналарды түзүүдө
Иштеп чыгуучулар бул технологияны дагы өркүндөтүүнү, логикалык маселелерди чечүү жана реалдуу убакыттагы иштетүү тармактарында колдонууну пландап жатышат.
Биз буга чейин жазганыбызды эскертебиз, ИИ тарткан тасмалар адамзатка кандай залака тийгизет.
