ИИ начал смотреть на мир глазами человека — и его никто этому не учил

Ученые из Университета Осаки показали, что искусственный интеллект (ИИ) может самостоятельно выработать способ восприятия изображений, очень похожий на человеческий взгляд. При этом модели не объясняли, на что именно нужно обращать внимание. В исследовании использовались так называемые Vision Transformers (ViT) — алгоритмы, обучающиеся обрабатывать визуальную информацию. Вместо классического метода с размеченными изображениями они использовали подход под названием DINO — это тип самообучающегося ИИ, который изучает образы без указаний, что именно на них изображено. Когда такие модели обучили на видео, они неожиданно начали фиксировать внимание на тех же участках, что и человек — например, на лицах, фигурах людей и даже фоне. Удивительно, но без прямого указания, что такое лицо, одна часть модели стабильно выделяла именно лица, другая — очертания тел, третья — детали заднего плана. Это поведение напоминало то, как зрительное восприятие устроено у человека. Ученые сравнили результаты модели с данными отслеживания движения глаз у людей. Оказалось, что совпадение между вниманием ИИ и человеческим взглядом особенно ярко проявляется в сценах с людьми. Результаты натолкнули исследователей на идею, что привычная модель восприятия «фигура-фон» может быть расширена до трех компонентов — лица, фигура и окружение. Такие открытия могут быть полезны для создания более понятных и «человечных» роботов, а также в проектах, связанных с поддержкой когнитивного развития у детей.