Bakit mali pa rin ang kamay sa AI, at kung kailan hindi

Bakit mahirap ang paggawa ng mga kamay

Hindi ito arbitraryo. Ang kamay ay may mas maraming independent joints kaysa sa halos anumang bahagi ng katawan, at ang dami ng magkakaibang posisyon na kaya nitong gawin ay napakalaki kumpara sa, halimbawa, mukha, na nagbabago sa mas maliit na saklaw.

Ang mga kamay ay madalas ding natatakpan ang sarili. Ang mga daliri ay dumadaan sa likod ng ibang mga daliri, ang paghawak ay nagtatago sa malaking bahagi ng palad, at ang nakikitang outline ay nagbabago nang lubusan sa kaunting pagpihit. Ang isang model na nag-aaral mula sa mga litrato ay nakakakita ng napakaraming bahagyang hugis para sa iisang bagay.

At ang training data ay hindi nakatulong. Ang mga litrato ay nakasentro sa mga mukha, at ang mga kamay ay lumalabas sa gilid ng frame, malabo dahil sa galaw, na-crop, o may hawak na nagtatago sa kanila. Ang mga halimbawa ay marami ngunit mababa ang kalidad sa paraang mahalaga.

Kung pagsasamahin, nagbunga ito ng pamilyar na pagkakamali: isang model na alam na ang kamay ay may mga bagay na hugis-daliri na nakakabit pero walang maaasahang sense kung ilan ito, sa anong ayos, at sa anong laki.

Ano ang nag-ayos nito

Walang kakaiba. Mas maraming data, mas maayos na annotated, dagdag pa ang mga pagbabago sa arkitektura na nagpahusay sa kung paano pinoproseso ng mga model ang spatial structure sa pangkalahatan, at ang tuwirang atensyon mula sa mga team na pagod na sa mga puna.

Ang huling row ang punto ng buong artikulo. Ang senyales ay naayos na noong mga nakaraang taon at ang payo ay kumakalat pa rin, na nangangahulugang aktibong maling binabasa ng mga tao ang mga imahe sa pamamagitan ng paggamit nito.

Bakit nabibigo ngayon ang pagbibilang sa dalawang direksyon

Isang false negative muna: ang tamang mga kamay ay walang pinapatunayan. Ang mga kasalukuyang model ay nagre-render sa mga ito nang tama sa halos lahat ng oras, kaya ang isang larawang pumasa sa finger test ay nakapasa sa isang test na halos lahat ay naipapasa.

Isang false positive naman, at ito ang mas nakakasama. Ang mga totoong kamay na nakuhanan habang gumagalaw ay nagbubunga ng malabo, magkadikit, at tila deformed na hugis. Ang isang tunay na litrato ng isang taong kumakaway sa isang party ay maaaring magmukhang, sa isang taong sanay magbilang, eksaktong katulad ng bagay na binalaan sa kanya.

Ang asymmetry na iyon ay mahalaga dahil ang epekto ay hindi pantay. Ang maling pag-dismiss sa isang generated na imahe bilang totoo ay karaniwang naibabawi; ang maling pagbintang sa isang tunay na litrato, at sa taong nasa loob nito, ay hindi na.

Ito rin ay self-reinforcing. Ang isang taong pinagsabihan na ang mga kamay ang basehan ay nakakahanap ng kamay na mukhang kakaiba, naghihinuha na peke ang imahe, at inuulit ang payo na nagdulot ng pagkakamali, na kung paano tumatagal ang isang lipas na heuristic nang maraming taon.

Ano ang itinuturo ng episode tungkol sa iba pang mga senyales

Ang mga kamay ay isang halimbawa ng pangkalahatang pattern, at ang pattern ay mas kapaki-pakinabang kaysa sa anumang partikular na tip.

• Ang nakikitang depekto ay isang public benchmark. Anumang may pangalan ay nasusukat, at anumang nasusukat ay ino-optimize.
• Pinapabilis ng kasikatan ang pag-aayos. Habang mas malawak na inuulit ang isang senyales, mas malaki ang insentibo na alisin ito.
• Ang payo ay mas matagal kaysa sa depekto nang maraming taon. Ang pagtatama ay hindi kailanman kumakalat nang kasingbilis ng orihinal na tip.
• Ang mga pag-aayos ay hindi pantay sa lahat ng tool. Ang senyales na inalis sa isang flagship model ay maaaring manatili sa isang luma o mas maliit na model.
• Ang natitira ay bumababa. Ang natitira ay hindi mga nakikitang depekto kundi statistical texture, na mas mababa sa kayang makita ng mata.

Ang huling punto ang dahilan kung bakit may mga detection tool. Kung ang mga pagkakaiba ay nakikita pa rin, walang sinuman ang mangangailangan ng model para mahanap ang mga ito, at ang buong field ay magiging listahan na lang ng mga bagay na dapat bantayan.

Ano ang nananatiling tama

Dalawang pamilya ng pagsusuri ang nananatiling totoo sa pattern, at pareho silang tungkol sa coherence sa buong frame sa halip na lokal na detalye.

Ang pag-iilaw ang una. Ang bawat ibabaw sa isang litrato ay naiilawan ng iisang source, kaya ang direksyon ng anino, tigas, at color temperature ay tugma. Ang isang generated na eksena ay madalas na nakukuha ang subject nang tama at ang paligid nang halos tama, at ang pagkakaiba ay nakikita sa mga anino.

Ang physical continuity ang pangalawa. Ang strap na dumadaan sa likod ng balikat at lumilitaw sa maling lugar, isang repleksyon na nagpapakita ng silid na hindi naman dapat naroon, isang pattern na hindi tumutugma sa kabila ng pagtatakip. Ang mga ito ay nangangailangan ng model ng mundo sa halip na model ng hitsura.

Hindi alinman sa mga ito ay mabilis na test, at iyon ang tapat na konklusyon. Ang mga pagsusuri na gumagana pa rin ay nangangailangan ng pagtingin sa larawan bilang isang lugar, at ang mga pagsusuring mabilis ay ang mga naayos na.

Ano ang kahulugan nito para sa sinumang nagtuturo nito

Maraming materyal sa media literacy ang nagtuturo pa rin ng pagbibilang ng daliri, na nagtuturo ngayon ng test na nagbubunga ng mga maling kumpiyansa. Sinumang gumagawa ng training, guidance, o aralin sa paaralan tungkol dito ay may problema sa bersyon sa halip na sa nilalaman.

Ang matibay na bersyon ng aralin ay tungkol sa metodo sa halip na sa mga feature. Ituro na ang mga nakikitang depekto ay pansamantala, na ang anumang senyales na sikat na sikat para ituro ay sikat na sikat din para ayusin, at ang mga maaasahang tanong ay tungkol sa pinagmulan at konteksto.

Karapat-dapat din na ituro ang failure mode nang malinaw. Ang isang taong alam na ang totoong mga kamay na gumagalaw ay mukhang mali ay mas malamang na hindi gumawa ng bintang na nagdudulot ng totoong pinsala, na tinatawag na peke ang isang tunay na litrato ng isang totoong tao.

Ang tapat na headline para sa anumang materyal ay walang mabilis na visual test na nakakaligtas sa mga kasalukuyang model, at ang mga kapaki-pakinabang na kasanayan ay ang pagtatanong kung saan nanggaling ang imahe at sino ang nakikinabang kung paniniwalaan ito.