論文の概要: Five Points to Check when Comparing Visual Perception in Humans and Machines

• arxiv url: http://arxiv.org/abs/2004.09406v3
• Date: Tue, 13 Apr 2021 16:03:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-11 17:28:20.352027
• Title: Five Points to Check when Comparing Visual Perception in Humans and Machines
• Title（参考訳）: 人間と機械の視覚知覚の比較でチェックする5つのポイント
• Authors: Christina M. Funke, Judy Borowski, Karolina Stosio, Wieland Brendel, Thomas S. A. Wallis, Matthias Bethge
• Abstract要約: 情報処理を人間と機械で比較する作業が増えている。 本稿では,実験の設計,実施,解釈の方法を提案する。 3つのケーススタディを通じて、これらのアイデアを実証し、適用する。
• 参考スコア（独自算出の注目度）: 26.761191892051
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rise of machines to human-level performance in complex recognition tasks, a growing amount of work is directed towards comparing information processing in humans and machines. These studies are an exciting chance to learn about one system by studying the other. Here, we propose ideas on how to design, conduct and interpret experiments such that they adequately support the investigation of mechanisms when comparing human and machine perception. We demonstrate and apply these ideas through three case studies. The first case study shows how human bias can affect how we interpret results, and that several analytic tools can help to overcome this human reference point. In the second case study, we highlight the difference between necessary and sufficient mechanisms in visual reasoning tasks. Thereby, we show that contrary to previous suggestions, feedback mechanisms might not be necessary for the tasks in question. The third case study highlights the importance of aligning experimental conditions. We find that a previously-observed difference in object recognition does not hold when adapting the experiment to make conditions more equitable between humans and machines. In presenting a checklist for comparative studies of visual reasoning in humans and machines, we hope to highlight how to overcome potential pitfalls in design or inference.
• Abstract（参考訳）: 複雑な認識タスクにおける機械の人間レベルのパフォーマンス向上に伴い、人間と機械の情報処理の比較に向けた作業が増えている。 これらの研究は、一方のシステムについて、もう一方のシステムを研究することで学ぶ、エキサイティングな機会である。 本稿では,人間と機械の知覚を比較する際のメカニズムの調査を適切に支援する実験を設計し,実施し,解釈する方法を提案する。 これらのアイデアを3つのケーススタディで実証し,応用する。 最初のケーススタディでは、人間のバイアスが結果の解釈方法にどのように影響するかを示し、いくつかの分析ツールがこの人間の基準点を克服するのに役立ちます。 第2のケーススタディでは、視覚推論タスクに必要なメカニズムと十分なメカニズムの違いを強調する。 その結果,従来の提案とは対照的に,課題に対してフィードバック機構が不要である可能性が示唆された。 第3のケーススタディでは,実験条件の整合の重要性が強調されている。 従来観測されていた物体認識の相違が,人間と機械の条件をより公平にするために実験に適応する際には成立しないことがわかった。 人間と機械の視覚的推論に関する比較研究のチェックリストを示す際には、設計や推論における潜在的な落とし穴を克服する方法を強調したい。

関連論文リスト

• Learning to Assist Humans without Inferring Rewards [65.28156318196397]
  我々は、エンパワーメントのレンズを通して支援を研究する先行研究に基づいて構築する。 補助剤は、人間の行動の影響を最大化することを目的としている。 これらの表現は、先行研究と類似したエンパワーメントの概念を推定する。
  論文  参考訳（メタデータ） (2024-11-04T21:31:04Z)
• Competition of Mechanisms: Tracing How Language Models Handle Facts and Counterfactuals [82.68757839524677]
  解釈可能性研究は、経験的成功と大規模言語モデル(LLM)の科学的理解のギャップを埋めることを目的としている。 本稿では,個々のメカニズムではなく,複数のメカニズムの相互作用に着目した,メカニズムの競合の定式化を提案する。 本研究は, 種々のモデル成分間の機構とその競合の痕跡を示し, 特定の機構の強度を効果的に制御する注意位置を明らかにした。
  論文  参考訳（メタデータ） (2024-02-18T17:26:51Z)
• How does the primate brain combine generative and discriminative computations in vision? [4.691670689443386]
  推論過程の2つの対照的な概念は、それぞれ生物学的ビジョンと機械ビジョンの研究に影響を与えている。 視覚は、しばしば感覚データのトップダウン予測を含むと考えられるプロセスにおいて、証拠の尋問を通じて生成モデルを逆転させることを示す。 本稿では,この用語を説明し,重要な実証的証拠を概説するとともに,霊長類視覚の謎のハイブリッドアルゴリズムを明らかにするための段階を超越し,設定する経験的研究プログラムを提案する。
  論文  参考訳（メタデータ） (2024-01-11T16:07:58Z)
• Task Formulation Matters When Learning Continually: A Case Study in Visual Question Answering [58.82325933356066]
  継続的な学習は、以前の知識を忘れずに、一連のタスクでモデルを漸進的にトレーニングすることを目的としている。 本稿では,視覚的質問応答において,異なる設定がパフォーマンスに与える影響について詳細に検討する。
  論文  参考訳（メタデータ） (2022-09-30T19:12:58Z)
• A-ACT: Action Anticipation through Cycle Transformations [89.83027919085289]
  未来を予測できる人間の能力が、機械学習アルゴリズムにどのように移行できるかを分析するために、一歩後退します。 人間の心理学に関する最近の研究は、発生を予測して、人間の脳が両方のシステムにカウントされていることを説明している。 本研究では,行動予測作業における各システムの影響について検討し,学習フレームワークに統合するためのパラダイムを導入する。
  論文  参考訳（メタデータ） (2022-04-02T21:50:45Z)
• Vision-Based Manipulators Need to Also See from Their Hands [58.398637422321976]
  本研究では,視覚的視点の選択が,生のセンサ観測から身体操作の文脈における学習と一般化にどう影響するかを検討する。 手中心(目の)視点は可観測性を低下させるが、トレーニング効率とアウト・オブ・ディストリビューションの一般化を一貫して改善する。
  論文  参考訳（メタデータ） (2022-03-15T18:46:18Z)
• Machine Explanations and Human Understanding [31.047297225560566]
  説明は、機械学習モデルの人間の理解を改善すると仮定される。 実験的な研究で 混ざった結果も 否定的な結果も出ています 人間の直観が人間の理解にどのような役割を果たしているかを示す。
  論文  参考訳（メタデータ） (2022-02-08T19:00:38Z)
• Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
  ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。 正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。 人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
  論文  参考訳（メタデータ） (2022-01-27T22:15:56Z)
• Dissonance Between Human and Machine Understanding [16.32018730049208]
  本稿では,人間と機械の理解との不協和を解明し,定量化する大規模クラウドソーシング研究を行う。 私たちの発見は、人工知能の分野における長期的な目標は、人間のように学習し推論できる機械を作ることであると考え、人間と機械のコラボレーションに重要な意味を持つ。
  論文  参考訳（メタデータ） (2021-01-18T21:45:35Z)
• Beneficial and Harmful Explanatory Machine Learning [5.223556562214077]
  本稿では,単純な2人ゲームにおける学習理論の解説効果について検討する。 認知科学文献に基づく機械説明の有害性を特定するための枠組みを提案する。
  論文  参考訳（メタデータ） (2020-09-09T19:14:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。