Mönsterigenkänning
Hur ger man en robot syn? Att se och känna igen mönster är en självklarhet för en människa, men för datorer är detta ett svårt problem som kräver mycket datakraft.
Radio Unga Forskare Stockholm - Vetenskap - Sveriges första podcast!
Du lyssnar på: Mönsterigenkänning
Notering: vi håller på att bygga upp funktionen. Så allt är ännu inte klart. Bättre navigation och transkription är på väg.
Vi lade ut våra första episoder 1997, innan det ens fanns något som hette podcast. Sedan dess har vi lagt ut över 400 föredrag och diskussioner. 2004 sände vi vår sista avsnitt över 88,9 MHz i Stockholm. Sedan dess har podden legat i träda. Men nu är den tillbaka som arkiv.
Transkription93 repliker · 6:26
Transkriptionen är automatiskt genererad och kan innehålla fel.
Klicka på en replik för att höra den.
Mönsterigenkänning. En gammal teknik som på senare år har tagit fart väldigt mycket.
Ja, det är ju så att allt fler tillämpningar kräver att datorer känner igen mönster i tillvaron.
Ett typiskt exempel skulle vara en robot som försöker ta sig fram i en miljö.
Ett flygplan som ska kunna känna igen Radio 4.
Eller till exempel en tv-kamera för att sortera fisk i en fabrik.
Vi människor förnimmer ju vår omvärld med våra ögon.
Och det har vi uppfattat hittills som väldigt naturligt.
Men man stöttar ju på nya problem när man ska lära datorer att göra detsamma.
Ja, det intressanta är att när man började med problemet att göra en seende dator så tänkte forskarna att det här är ett lätt problem.
Det låg en begåvad student klara nog över sommar.
Och man upptäckte snabbt att det var betydligt svårt man väntat.
Och problemet att konstruera en seende dator har också hjälpt fram väldigt mycket forskning om hur vi människor ser.
Det visar sig att synsystemet har en fantastisk förmåga att plocka ut mönster ur den information som kommer in i ögat.
Ja, så problemet ligger ju först i själva apparaten som ska uppfatta det.
Är det en kamera eller en scanner eller någon sådan apparatur?
Ja, om man tittar på den synen vi har så är den väldigt bra på att anpassa sig till olika ljusstyrka.
Vi ser bra både utomhus där det är intensivt solljus och även ett ganska mörkt rum.
Problemet för en kamera är att den oftast inte alls har samma förmåga att anpassa sig.
Så när man alltså har fått in data från kameran så måste man bearbeta dem till en början.
Det kallas för förbehandling.
Ofta är det ju så att en bild behöver anpassa sin ljusstyrka.
Man behöver ta bort brus.
Man kan behöva nytta av att finna kanter och liknande saker.
Där är enkla operationer kan ofta påverka väldigt mycket hur väl ett system kan känna igen det det ser.
Sånt sker ju även i ögat och vårt synsystem men det kanske är extra viktigt att man konstruerar en kamera.
Och sen ska man ju alltså mäta.
Man ska finna vettiga måttenheter för de här egenskaperna som man upptäckte.
Till exempel längden på olika män som går igenom en tullkontroll eller något sånt där.
Just det, de här egenskaperna är sen det som används för mönsterigenkänning.
Om man tar exemplet på män som går vid en tullkontroll.
Så är det ju då kanske kroppsform, längd och kanske till exempel igenkännbara saker som avståndet mellan ögonen.
Det är lätt mät, nå ja, inte nödvändigt, lätt mätbara men det är mätbara storheter.
Som man sen kan försöka använda för att kategorisera dem i olika kategorier.
Vilket är nästa steg utav mönsterigenkänningen.
Om man till exempel vill känna igen en viss person.
Så försöker man mäta på bilden, få ut måtten på längd, bredd, avstånd mellan ögonen.
Och sen se hur väl passar det här, de personer som finns lagrade i systemet.
Vilken ligger närmast?
Exakt, men för att datorn verkligen ska kunna göra sitt jobb så behövs det väl även en klassificering.
Så att man vet om, är det här en kort människa eller en lång människa?
Annars måste man ju ändå själv sitta och gå igenom hela datan.
Ja, det där är ju problemet. Man måste ju så att säga träna systemet.
I vissa fall, om man ska sortera mellan torsk och lax.
Finns det ju ingen enkel beskrivning man kan ge till datorn.
Man kan låta ett system utgå från att man har kategoriserat ett antal exempel.
Till exempel torskar och laxar.
Låta datorn ta ut deras egenskaper och lagra dem.
Och när den sedan får en ny fisk så bedömer den dess egenskap med vilken av de tidiga exemplen låg det närmast.
Man kan till och med jämföra med de till exempel fem närmsta tidigare och ha en sorts omröstning.
För att det här genomför fram också hur troligt det är att det var en viss sorts fisk.
Så en slags tillbakamatning, en feedback är väldigt riktig för den här processen.
Dels att du tar en feedback från själva klassificeringen när den klassificerar.
Tillbaka till själva mätmetoderna och så vidare.
Och även en feedback från mätmetoderna till mediet.
Det vill säga kameran och de metoder som den använder.
Ja det stämmer. Vi ser det till exempel i synsystemet.
Synsystemet har många återkopplingar från högre arjor och hjärnan till de lägre.
Som riktar uppmärksamheten mot de delar av bilden där vi behöver mer information.
Man kan tänka sig att det är ett system som ska identifiera fiskar.
Om det finner det relativt troligt att det är lax och inte en torsk.
Men fortfarande inte har tillräckligt med data.
Skulle kunna leta i bilden efter speciella kännetecken för laxen.
För att kunna verifiera sin bedömning.
Dessutom är inlärning ett viktig faktor.
Ett system som får en signal om den gör rätt eller fel.
Kan ju också förbättra sin klassificering efterhand när det används.
Så att det blir bättre och bättre med tiden.
Men sen har vi ju problemet att även om man lyckas få en hyggligt bra maskin.
För att sortera torsk och lax.
Vad händer när det kommer en jädda?
Just det. Det är något som ligger helt utanför den tidigare kategorierna.
Och det beror ju väldigt mycket på hur systemet är designat.
Men också här måste man ta hänsyn till.
Vad är kostnaden för att göra misstag av olika slag?
Det är en sak att kanske kategorisera en jädda när fel.
Det är en annan sak om det till exempel är ett system för att känna en hjärtproblem hos patienter på sjukhus.
Där är kostnaden för misstag oerhört hög.
När det gäller jäddor och andra oklara fall.
Så är det vanligaste lösningar att systemet märker att här kan den inte göra en klar bedömning.
Utan den lämnar över till en människa.
Det används till exempel i post-sortering.
Där man använder mönsterentjäning för att känna siffrorna på kuvert.
Och i de ungefär 10% där de är för otydliga lämnas de över till en människa för att bedöma.
Så datorerna besparar oss en massa arbete men en del måste vi utföra själva.
Oja, människan är ju fortfarande totalt överlägsen på mönsterentjäning.
Och det viktiga med artificiell mönsterentjäning är ju inte att den nödvändigtvis ska vara perfekt.
Utan bara tillräckligt bra för att vara användbar.
Och tillräckligt generell.
Ja, det är sant.
För människan har ju den fördel att vi kan känna igen många olika sorters system.
Medan många mönsterentjäningsystem har avsedd för vissa specifika uppgifter.
Om de ska fungera ute i verkligheten som en robot måste de ju vara mer generella.
Och därmed mer lika mänskliga hjärnan.
För att ladda ner föredragen till din dator istället för att bara lyssna på dem, högerklickar du på länken “Ladda ner föredraget” och väljer “Spara som” eller motsvarande för din webbläsare.