Une recherche réalisée par l’EPFL a révélé les raisons pour lesquelles les êtres humains surpassent l’intelligence artificielle (IA) dans la reconnaissance d’objets à partir de morceaux.
Cette aptitude, connue sous le nom d’« intégration de contour », permet aux humains de reconstituer des objets même s’ils sont partiellement masqués ou manquants.
Martin Schrimpf et son équipe ont étudié plus de 1 000 réseaux de neurones ainsi que des participants humains dans des tests où les contours des objets étaient altérés.
Les résultats montrent que les humains réussissent souvent à identifier des objets même avec des informations visuelles incomplètes, alors que l’IA éprouve des difficultés dans des situations similaires.L’étude a également mis en avant que, bien que les systèmes d’IA performants dans certains contextes, ils échouent fréquemment face à des images fragmentées.
Seuls les modèles formés sur de vastes ensembles de données réussissent à se rapprocher des performances humaines, notamment en intégrant des biais similaires à ceux des humains.
Ces conclusions indiquent qu’en améliorant la vision par ordinateur, en fournissant aux machines des ensembles de données plus représentatifs de l’expérience humaine, leur fiabilité pourrait être renforcée dans des domaines tels que les véhicules autonomes et l’imagerie médicale.L’article intitulé Pourquoi les humains sont-ils meilleurs que l’IA pour identifier des objets à partir de fragments ? a été publié en premier sur IA Tech News, qui propose des informations sur l’avenir de la technologie et de l’intelligence artificielle.
Source: IA Tech news
