Immagine, Credito: PLOS ONE
I ricercatori dell’Università di York hanno smentito la teoria della percezione, una teoria di lunga data su come il sistema umano della visione elabora le immagini, utilizzando modelli computazionali ed esperimenti su umani.
Un team guidato da John Tsotsos, Professore presso il Dipartimento di Ingegneria Elettrica e Informatica della Lassonde School of Engineering, ha scoperto che il cervello umano non seleziona parti interessanti di un’immagine da elaborare preferenzialmente, come la teoria della percezione altamente influente del 1958 di Donald Broadbent ha proposto.
Per lo psicologo Broadbent, le porzioni di immagini interessanti sono quelle che hanno rilevanza sul motivo per cui stai guardando una scena in primo luogo o sono nuovi articoli che attirano immediatamente la nostra attenzione.
La teoria della selezione precoce di Broadbent, che ha una controparte moderna nella teoria della mappa di salienza di Christof Koch e Shimon Ullman pubblicata nel 1985, afferma che queste regioni interessanti vengono elaborate dal cervello una alla volta, in ordine di salienza, che è un punteggio numerico di quanto sia interessante una regione. Ora ci sono centinaia di algoritmi di salienza, radicati nel lavoro di Koch e Ullman, per raggiungere tale posizione.
Il team di Tsotsos ha scoperto, tuttavia, che la salienza non è affatto necessaria per il semplice compito di decidere rapidamente cosa rappresenta un’immagine. Inoltre, nessuno degli attuali algoritmi all’interno dell’intelligenza artificiale (AI) per questo compito si avvicina alla corrispondenza delle prestazioni umane. D’altra parte, il calcolo della salienza gioca un ruolo primario nel determinare dove gli esseri umani muovono i loro occhi, ed è il movimento oculare che seleziona le parti di una scena da elaborare successivamente.
“Il nostro studio esamina la visione e verifica i principali algoritmi che calcolano la misura di salienza e pone la domanda : gli algoritmi funzionano allo stesso livello degli umani su queste immagini? Ad esempio, se il compito è determinare se è un gatto in una scena, l’algoritmo di salienza individua correttamente il gatto? Lo studio ha dimostrato che questi algoritmi sono ben lungi dall’essere nelle scelte, simili agli umani “, ha detto Tsotsos.
Per testare ulteriormente gli algoritmi esistenti, il team ha condotto ulteriori esperimenti con 17 soggetti dai 25 ai 34 anni. In uno degli esperimenti replicati, ai partecipanti sono state mostrate 2000 immagini a colori. I soggetti non avevano familiarità con le immagini e vedevano ogni immagine con e senza animali, una sola volta. Le immagini sono state quindi manipolate in modo tale che solo le parti più centrali della retina con la massima risoluzione vedessero ciò che era nell’immagine e non vedessero nulla nella periferia. Ai partecipanti è stato chiesto di guardare il centro di ogni fotografia per 20 secondi prima che sparisse. I partecipanti sono stati in grado di identificare correttamente se un animale era presente nella foto o meno.
Tsotsos afferma che questa scoperta ha importanti implicazioni per la nostra comprensione della visione umana e dell’elaborazione visiva umana, in particolare per la diagnosi di patologie della vista.
“Quando vuoi diagnosticare problemi visivi, ti basi su come dovrebbe funzionare il sano sistema di elaborazione visiva. Ciò che abbiamo fatto con questo studio è aggiungere un nuovo pezzo al puzzle di come funziona un sistema sano e poi cambierebbe il modo in cui si confronta con un’anomalia per poterla diagnosticare“.
Tsotsos aggiunge che questo pezzo del puzzle potrebbe anche essere utile alla costruzione di nuovi modelli e al miglioramento di quelli attuali per la guida autonoma o applicazioni di sicurezza.
Questo studio, ” La categorizzazione rapida visiva non è guidata dalla selezione basata sulla salienza precoce”, è stato pubblicato oggi su PLOS ONE.
Fonte, PLOS ONE
