Hiszpańscy naukowcy nauczyli algorytmu widzenia komputerowego, aby postrzegać sztuczki iluzjonisty za pomocą monety w taki sam sposób, jak robi to człowiek. Aby to zrobić, poprosili profesjonalnego iluzjonistę, aby pokazał widzowi kilka sztuczek oraz algorytm rozpoznawania oparty na technologii DeepLabCut, który służy do śledzenia zwierząt laboratoryjnych. Dwie z siedmiu pokazanych sztuczek były w stanie skutecznie oszukać osobę i komputer, a wyniki prac mogą w przyszłości pomóc w badaniu percepcji takich sztuczek przez widzów - piszą naukowcy we wstępnym druku na arXiv.org.
W magicznych sztuczkach, które pokazują iluzjoniści, nie ma magii, cały sukces ich wdrożenia sprowadza się do sztuczek ręcznych. Z drugiej strony to także kwestia ludzkiej percepcji: działania iluzjonisty mają na celu wprowadzenie widza w błąd, grając na jego uważności i skupieniu. Dlatego dla tych, którzy niezwykle uważnie podążają za rękami maga, nie ma magii, a oszustwo w niektórych sztuczkach można łatwo wykryć, jeśli na przykład nagrywasz jego występ na wideo i odtwarzasz go powoli.
Oczywiście sytuacja z postrzeganiem takich sztuczek przez algorytmy widzenia komputerowego jest nieco inna: tak naprawdę komputer jest wolny od możliwości oszukania, aw przypadku tego, jak dobrze rozpozna oszustwo, zależy od jakości jego pracy. Naukowcy pod kierunkiem Alexa Gomez-Marina z Instytutu Neuronauk w Alicante (Hiszpania) postanowili sprawdzić, czy takiego algorytmu można nauczyć patrzeć na sztuczki iluzjonistów jako osobę.
W tym celu naukowcy zatrudnili profesjonalnego iluzjonistę i poprosili go o pokazanie siedmiu prostych sztuczek wizualnych z monetami - bez żadnych słownych dodatków, które mogą rozpraszać widza i wpłynąć na powodzenie iluzji. Sztuczki wyróżniały ruchy ręki iluzjonisty niezbędne do zniknięcia monety: na przykład w jednym ważne było przeciągnięcie monety po stole, aw drugim np. Złapanie.
Wszystkie sztuczki zostały pokazane ludziom, a także algorytm oparty na DeepLabCut, który niemieccy naukowcy zaprezentowali w zeszłym roku: służy do automatycznego śledzenia ruchów zwierząt laboratoryjnych, a nawet może analizować ruchy poszczególnych części ich ciała (na przykład łap myszy). Zadaniem algorytmu było określenie położenia monety na końcu każdej sztuczki - dokładnie to samo zadanie, przed którym stają uczestnicy badania.
Naukowcy porównali wyniki osoby i algorytmu i odkryli, że tylko w dwóch przypadkach można było oszukać ich obu. Trzy sztuczki, które oszukały publiczność, algorytm nie oszukał - określił pozycję monety. Ponadto jedna sztuczka oszukała algorytm, ale nie publiczność, a druga - odwrotnie. Na przykład czwarta sztuczka, w której iluzjonista układa monety w rzędzie (można to obejrzeć na wideo), okazała się prosta dla algorytmu, ale potrafiła oszukać widza, ponieważ jego uwaga podczas ruchów kierowana była na rękę, w której iluzjonista początkowo trzymał monety. dlatego fakt, że mag drugą ręką wkładał monetę, przeszedł niezauważony. Ponieważ algorytm wyszkolony do śledzenia monety nie ma problemu ze śledzeniem obu rąk jednocześnie, nie dał się oszukać. Z drugiej strony w szóstej lewie - dokładnie tak samo jak w pierwszej,ale zrobiono to specjalnie z błędem - algorytm, w przeciwieństwie do widza, nie rozpoznał oszustwa, bo rzucona moneta najwyraźniej okazała się ostrzem w stosunku do aparatu, co powodowało trudności w rozpoznaniu dla komputera, a nie dla osoby.
Autorzy wyjaśniają, że nie byli zainteresowani zdolnością algorytmu do szybkiego wymyślania sztuczek iluzjonisty. Chcieli raczej sprawdzić, czy można sprawić, by spojrzał na nich w taki sam sposób, jak wygląda zwykły człowiek, a nie ten, który stara się rozwiązać oszustwo, ale ten, który faktycznie postrzega sztuczkę jako rodzaj magii. Fakt, że w niektórych przypadkach DeepLabCut tak naprawdę nie był w stanie rozpoznać oszustwa tak samo jak osoba, co oznacza, zdaniem naukowców, że takie algorytmy można wykorzystać do analizy ludzkiej percepcji - właśnie w sytuacjach takich jak sztuczki iluzjonistów.
Film promocyjny:
Elizaveta Ivtushok
