הארה קטנה בקשר ל-AI וזיהוי פנים

הרב ד"ר מיכאל אברהם שלום וברכה,

כמעריץ (בד"כ מרחוק 🙂 ) שלך ושל הגותך מזה יותר מ 20 שנה,
ארשה לעצמי להעיר/להאיר בקצרה על השיעור האחרון של בינה מלאכותית מס' 15.
צפיתי בכל הסדרה המרתקת ומצפה לשיעורים הבאים.
בכל אופן כמי שמצוי בתחום פיתוח ואימון מודלי AI במיוחד בתחום זיהוי פנים – ההסבר שהשמעת בשיעור לא היה מדויק, או על כל פנים לא הבנתי את ההסבר בצורה נכונה.

זיהוי פנים – לא עובד בתור איזשהו קסם פלאי / "טביעת עין" של מכונה, אלא קודם כל ע"י פירוק לגורמים של תמונת הפנים (בשכבה הראשונה מופעלים אלגוריתמים בסיסיים של ניתוח תמונה שיודעים לזהות דפוסים של פיקסלים, גבולות, קצוות, צבעים , אזורים משמעותיים וכדו' בשכבה הבאה הבנויה על גביה – הדפוסים האלה מתורגמים גם לחלקי ואיברי הפנים, כמו מיקום וגודל האף / עיניים / גבות / סנטר וכמו כן למבנה הפנים וגם לאזורים כלליים בפנים וכו' באימון עצמו כמובן לא מגדירים מראש אילו פרמטרים הם חשובים יותר או חשובים פחות ובכלל מהם הפרמטרים – אלא המשקלים מתעדכנים בצורה אוטומטית במהלך האימון על מיליונים רבים של תמונות.
המשקלים בסוף, כן יהיו מבוססים בעיקר על האיברים עצמם וצורת הפנים, חלק מהפרמטרים יכולים להיות יותר טריוויאלים כמו המרחק בין העיניים, אבל יכול להיות שייתגלו דברים ממש לא אינטואיטיביים כמו היחס בין גודל הסנטר לגודל עין ימין, או הזווית שבין האוזן לבין האף או צורה כללית של מבנה ראש, צורה גיאומטרית של אזור המצח וכו' וכו'
ולכן מאוד קשה בכלל ליצור אלגוריתם סטנדרטי של זיהוי ברמה גבוהה אלא רק ע"י רשת נוירונים, כי גם אנחנו בעצמנו לא יודעים איך אנחנו מזהים בני אדם – אז ברור שיהיה קשה להגדיר למכונה, גם אנחנו כנראה למדנו בצורה לא מודעת לאזן את המשקלים שלנו ע"י דוגמאות (מסתבר שכך זה עובד ברמה כזו או אחרת גם אצלנו, ע"ע: "כל הסינים נראים אותו דבר" – שזה תקף רק עבור מי שלא גדל בסין, מי שכן גדל שם לומד לתת משקל בצורה אחרת ומבדיל מצויין בין סיני אחד לרעהו).
גם את המושג טביעת עין של תלמיד חכם, אני מבין באופן דומה, ברור שמה שיוצר אצלו את ההרגשה/טביעת עין שהאבידה שייכת לו הוא הצירוף של הסימנים הפיזיים על גבי החפץ – אבל הוא איננו יכול לפרוט לפרוטות את הסימנים הבודדים שבסוף יוצרים אצלו את תחושת האימות, כי זה קורה אצלו באופן בלתי מודע.

עוד מילה אחת, זה נכון שקשה עד בלתי אפשרי להגדיר את המשקלים מראש אבל אחרי שהרשת כבר מאומנת, הפלט המתקבל על ידה (מה שנקרא אמבדינג וקטור), כן מכיל מידע משמעותי ואובייקטיבי ולכן ניתן למשל להפיק ממנו תמונת פנים הדומה לתמונה המקורית, ראה למשל כאן:
https://arxiv.org/html/2411.03960v1

תודה על כל השיעורים, הספרים והפעילות המבורכת שלך,