تصميم أنظمة التصور البصري بناءً على نظرية المعلومات

مختبر BAIR (بيركلي للذكاء الاصطناعي) قدم نهجًا جديدًا لتصميم أنظمة التصوير يعتمد على القياس المباشر للمحتوى المعلوماتي. في العديد من الأنظمة - من الهواتف الذكية إلى أجهزة التصوير بالرنين المغناطيسي وأجهزة الليدار - لا تكون القياسات موجهة للإدراك البشري، لكن الذكاء الاصطناعي قادر على استخراج معلومات مفيدة منها. المقاييس التقليدية للجودة (الدقة، نسبة الإشارة إلى الضوضاء) تقيم العوامل بشكل منفرد، بينما تدريب الشبكات العصبية لإعادة البناء أو التصنيف يخلط بين جودة الأجهزة والخوارزميات. اقترح المؤلفون تقييم المعلومات المتبادلة بين الكائن والقياس باستخدام البيانات المزعجة فقط ونموذج ضوضاء معروف (ضوضاء فوتون بواسون وضوضاء قراءة غاوسية). هذا يسمح بتقسيم التقييم إلى مكونين: إنتروبيا القياسات (تقدر بواسطة نموذج احتمالي مثل المحول) والإنتروبيا الشرطية (تُحسب تحليليًا). تم اختبار الطريقة على أربعة مجالات: التصوير الفوتوغرافي الملون (اختيار مرشح باير)، علم الفلك الراديوي (اختيار مواقع التلسكوبات)، التصوير بدون عدسات، والمجهرية. في جميع الحالات، كان تقييم المعلومات مرتبطًا بجودة إعادة البناء بواسطة الشبكة العصبية. بناءً على هذا النهج، تم تطوير طريقة IDEAL (تعلم تحليل المشفر القائم على المعلومات)، والتي تعمل على تحسين معلمات نظام التصوير (مثل المرشح اللوني) باستخدام التدرج الصاعد وفقًا لتقييم المعلومات، دون الحاجة إلى تدريب مفكك تشفير. أظهرت النتائج أن IDEAL يحقق نفس الجودة التي يحققها التعلم الشامل، ولكن بتكاليف ذاكرة وحساب أقل. وفقًا للمؤلفين، يمكن تطبيق الطريقة ليس فقط في التصوير، ولكن أيضًا في أنواع أخرى من المستشعرات - الإلكترونية والبيولوجية والكيميائية.