Ispanijos tyrėjai išmokė kompiuterinio matymo algoritmo, kad iliuzionisto gudrybės su monetomis būtų suvokiamos taip, kaip tai daro žmogus. Norėdami tai padaryti, jie paprašė profesionalo iliuzionisto parodyti keletą triukų žiūrovui ir atpažinimo algoritmą, pagrįstą „DeepLabCut“, kuris naudojamas laboratorinių gyvūnų stebėjimui. Du iš septynių parodytų triukų sugebėjo sėkmingai apgauti ir žmogų, ir kompiuterį, o darbo rezultatai ateityje gali padėti išstudijuoti žiūrovų suvokimą apie tokius triukus, mokslininkai rašo prieštaravime portale arXiv.org.
Magiškose gudrybėse, kurias demonstruoja iliuzionistai, nėra jokios magijos, visa jų įgyvendinimo sėkmė priklauso nuo rankų sudėjimo. Kita vertus, tai taip pat yra žmogaus suvokimo dalykas: iliuzionisto veiksmai yra skirti suklaidinti žiūrovą, žaidžiant dėl jo dėmesingumo ir susikaupimo. Todėl tiems, kurie labai atidžiai seka mago rankas, nėra magijos, o apgaulę atliekant kai kuriuos triukus galima lengvai aptikti, jei, pavyzdžiui, įrašote jo pasirodymą vaizdo įraše ir atkuriate jį lėtai.
- „Salik.biz“
Žinoma, situacija, kai tokius triukus suvokia kompiuterinio matymo algoritmai, yra šiek tiek kitokia: iš tikrųjų kompiuteris yra išlaisvinamas nuo galimybės būti apgautam, o jos atveju tai, kaip gerai gali atpažinti apgaulę, priklauso nuo jo darbo kokybės. Alekso Gomezo-Marino vadovaujami tyrėjai iš Alikantės (Ispanija) Neuromokslų instituto nusprendė išbandyti, ar tokį algoritmą galima išmokyti pažvelgti į iliuzionistų, kaip asmenybės, triukus.
Norėdami tai padaryti, mokslininkai pasamdė profesionalų iliuzionistą ir paprašė jo parodyti septynis paprastus vaizdinius triukus su monetomis - be jokių žodinių papildymų, galinčių atitraukti žiūrovą ir paveikti iliuzijos sėkmę. Iš triukų išsiskyrė iliuzionisto rankos judesiai, reikalingi monetai išnykti: pavyzdžiui, viename buvo svarbu tempti monetą ant stalo, o kitame, pavyzdžiui, pagriebti.
Žmonėms buvo parodyti visi triukai, taip pat algoritmas, paremtas „DeepLabCut“, kurį praėjusiais metais pristatė vokiečių mokslininkai: jis naudojamas automatiškai sekti laboratorinių gyvūnų judesius ir netgi gali analizuoti atskirų jų kūno dalių (pavyzdžiui, pelių letenų) judesius. Algoritmo užduotis buvo nustatyti monetos vietą kiekvieno triuko pabaigoje - lygiai tokia pati užduotis, su kuria susidūrė tyrimo dalyviai.
Mokslininkai palygino asmens rezultatus ir algoritmą ir nustatė, kad apgauti abu juos įmanoma tik dviem atvejais. Trys triukai, kurie apgavo auditoriją, algoritmas neapgavo - tai nulėmė monetos padėtį. Taip pat vienas triukas apgavo algoritmą, bet ne auditoriją, o vienas - atvirkščiai. Pavyzdžiui, ketvirtasis triukas, kurio metu iliuzionistas išdėlioja monetas iš eilės (galite tai žiūrėti vaizdo įraše), algoritmui pasirodė paprastas, tačiau sugebėjo suklaidinti žiūrovą, nes pastarojo dėmesys judesių metu buvo nukreiptas į ranką, kurioje iliuzionistas iš pradžių laikė monetas. todėl faktas, kad magas įmetė monetą su kita ranka, nepastebėtas. Kadangi algoritmas, išmokytas sekti monetą, neturi problemų sekti abi rankas vienu metu, jis nebuvo apgautas. Kita vertus, šeštajame triuke - lygiai taip pat, kaip ir pirmame,tačiau jis buvo specialiai padarytas su klaida - algoritmas, skirtingai nei žiūrovas, nesugebėjo atpažinti apgaulės, nes išmesta moneta, matyt, pasirodė kaip kraštas kameros atžvilgiu, o tai sukėlė sunkumų atpažinti kompiuterį, o ne asmenį.
Autoriai patikslina, kad jų nedomino algoritmo galimybės greitai išsiaiškinti iliuzionisto gudrybes. Greičiau jie norėjo išsiaiškinti, ar įmanoma priversti jį žiūrėti į juos taip, kaip atrodo paprastas žmogus, o ne tas, kuris siekia išspręsti apgaulę, o tas, kuris iš tikrųjų suvokia triuką kaip kažkokią magiją. Tai, kad kai kuriais atvejais „DeepLabCut“iš tikrųjų nesugebėjo atpažinti apgaulės taip pat kaip asmuo, tai reiškia, pasak mokslininkų, kad tokie algoritmai gali būti naudojami analizuoti žmogaus suvokimą - tiesiog tokiose situacijose kaip iliuzionistų triukai.
Reklaminis vaizdo įrašas:
Elizaveta Ivtushok