Drony s umělou inteligencí rozpoznávají objekty pomocí mušího oka

28/06/2022 Iveta Mauci 5 min read 298 Zobrazení drony, muší oko, umělá inteligence

Nový bio-inspirovaný algoritmus vybírá signál ze šumu. V prosinci 2018 tisíce cestujících uvízly na londýnském letišti Gatwick kvůli zprávám o dronech létajících v okolí. Letiště, jedno z nejrušnějších v Evropě, bylo na dva dny uzavřeno, což způsobilo velká zpoždění a stálo aerolinky miliony dolarů. Neoprávněné drony v komerčním vzdušném prostoru způsobily podobné incidenty v USA a po celém světě. Aby je zastavili, výzkumníci nyní vyvíjejí detekční systém inspirovaný jiným typem vzdušného objektu: živou mouchu. Tato práce by mohla mít aplikace daleko za hranicemi detekce dronů, píší vědci v novém článku publikovaném v Journal of the Acoutical Society of America.

„Je to docela úžasné,“ říká Frank Ruffier, výzkumník z Etienne-Jules Marey Institute of Movement Sciences na Aix Marseille University ve Francii a Francouzského národního centra pro vědecký výzkum, který se na nové studii nepodílel. „Tento základní výzkum za běhu řeší skutečný problém v informatice.“

Toto řešení má mimo jiné důsledky pro překonání inherentních potíží s detekcí dronů. Vzhledem k tomu, že tyto dálkově řízené létající stroje jsou stále levnější a dostupnější, mnozí odborníci se obávají, že budou stále rušivější. Jejich prevalence vyvolává řadu problémů, říká Brian Bothwell, spoluředitel týmu pro hodnocení vědy, technologie a analýzy v úřadu vlády USA pro odpovědnost. „Drony mohou ovládat jak neopatrní piloti, tak zločinci,“ poznamenává.

Neopatrní piloti dronů mohou neúmyslně způsobit nehody. Zločinci mohou tato zařízení používat například k pašování drog přes státní hranice nebo k vyhazování pašovaného zboží do vězeňských dvorů. „Je důležité je odhalit,“ říká Bothwell.

Taková detekce ale zdaleka není jednoduchá. Současné systémy se spoléhají na vizuální, sluchové nebo infračervené senzory. Ale tyto technologie často bojují v podmínkách, které mají nízkou viditelnost, vysoký hluk nebo rušivé signály. Řešení problému vyžaduje to, co počítačoví programátoři nazývají „detekce nápadnosti“, což v podstatě znamená rozlišení signálu od šumu.

Nyní, s trochou pomoci přírody, tým vědců a inženýrů z University of South Australia, obranné společnosti Midspar Systems a Flinders University v Austrálii možná našel řešení. Ve svém novém článku demonstrují algoritmus, který byl navržen reverzním inženýrstvím vizuálního systému vznášedla. Rodiny převážně černo-žlutě pruhovaného hmyzu známého svým zvykem vznášet se kolem květin. Jak může potvrdit každý, kdo se pokusil plácnout mouchu, mnoho z těchto bzučících škůdců má neuvěřitelně bystré vidění a rychlé vteřinové reakce. Takové schopnosti pocházejí z jejich složených očí, které přijímají mnoho informací současně, a z neuronů, které tyto informace zpracovávají. Což se ukázalo jako extrémně dobré při oddělování relevantních signálů od nesmyslného šumu.

Pro tuto studii vědci zkoumali vizuální systém vosičky, aby vyvinuli nástroj, který používá podobné mechanismy k čištění hlučných dat. Filtrované informace pak mohou být vloženy do algoritmu umělé inteligence pro detekci dronů. Ve svém novém článku vědci demonstrují, že tato kombinace dokáže detekovat drony až o 50 procent dále než samotná konvenční AI. Nový výzkumný dokument je pouze důkazem konceptu pro filtrační schopnost algoritmu fly-vision. Ale členové týmu postavili prototyp a pracují na komercializaci. Jejich úsilí ukazuje, jak bio inspirovaný design může zlepšit pasivní detekční systémy.

„Tento dokument je skvělým příkladem toho, jak moc se můžeme potenciálně naučit od přírody o zpracování informací,“ říká Ted Pavlic, zástupce ředitele výzkumu Biomimicry Center na Arizonské státní univerzitě, který se na nové studii nepodílel.

Aby tým získal poznatky z vosičky, strávil více než deset let pečlivým studiem neuronálních drah jeho očí a měřením jejich elektrických reakcí na světlo. Počínaje fotosenzory ve velkých složených očích hmyzu inženýři sledovali obvody přes různé vrstvy neuronů až do mozku. Tyto informace pak použili k vytvoření algoritmu, který dokáže snímat a zvyšovat důležité části dat.

Ale místo toho, aby do algoritmu jednoduše vkládali vizuální data, vědci do něj vložili spektrogramy. Vizuální reprezentace zvuku, vytvořené z akustických dat zaznamenaných ve venkovním prostředí, když kolem prolétávaly drony. Algoritmus byl schopen zobrazit tyto klikaté grafy a zvýšit důležité vrcholy „signálu“, které odpovídaly frekvencím vysílaným drony. Zároveň dokázali snížit hluk na pozadí, který nevytvářely drony.

„Je to opravdu pěkné, protože je to krok čištění a v podstatě to můžete přidat do jakéhokoli potrubí strojového učení a očekávat, že z toho budete mít užitek,“ říká Emma Alexander, počítačová vědkyně z Northwestern University, která se studia neúčastnila.

Ve skutečnosti vědci říkají, že chtějí použít svůj bioinspirovaný algoritmus v různých aplikacích, kde umělá inteligence musí zpracovávat informace ze skutečného světa a zároveň se vypořádat s komplikovanými a chaotickými podmínkami. „Vytvořili jsme systém, který se dokáže automaticky přizpůsobit různým prostředím a vylepšit věci, které nás zajímají,“ říká spoluautor studie Russell Brinkworth, biologický inženýr z Flinders University.

Například jednou z hlavních výzev, která přichází s budováním jakéhokoli snímacího systému založeného na umělé inteligenci, je zajistit, aby fungoval v neustále se měnícím prostředí. „V tradiční AI jí nemůžete ukázat jen obrázek auta. Musíte mu ukázat auto v každé možné situaci, ve které byste auto mohli vidět,“ vysvětluje. „Pokud se ale změní osvětlení nebo se objeví stín, AI řekne, že to ještě nikdy neviděla.“ To je jedna z velkých překážek při navrhování autonomních vozidel, která se spolehlivě přizpůsobí měnícím se světelným a jiným podmínkám řazení. U systému inspirovaného mouchou však toto filtrování probíhá automaticky.

„Umělá inteligence funguje nejlépe, když je v omezeném prostředí a je řízena,“ říká Brinkworth. „Ale na druhou stranu biologie funguje všude. Pokud to nefunguje všude, zemře.“

Zdroj: scientificamerican.com