Due ricercatori dell'Università di St. Andrews, in Scozia, hanno recentemente sviluppato un nuovo metodo basato sull'apprendimento automatico per comprendere le immagini delle monete antiche. Il loro studio, pre-pubblicato su arXiv applica la visione artificiale e l'apprendimento automatico alla numismatica antica.

"La mia ricerca in questo campo è stata il prodotto dell'unione di due passioni:il mio costante interesse per le monete antiche (ho una vasta collezione anch'io) e lo stato dell'arte nell'intelligenza artificiale, "Ognjen Arandjelovic, uno dei ricercatori che ha condotto lo studio, ha detto a TechXplore. "Nel 2010, Ho scritto un articolo sull'argomento e con mia grande sorpresa, poiché questo è tipicamente un interesse di nicchia, ha attirato molta attenzione".

La maggior parte degli studi precedenti ha cercato di comprendere meglio le monete antiche utilizzando tecniche di riconoscimento di oggetti generici. La conoscenza e la comprensione di Arandjelovic della numismatica antica, però, lo ha portato a credere che questi approcci siano tutt'altro che ottimali e lo ha incoraggiato a sviluppare metodi alternativi. Negli ultimi dieci anni o giù di lì, ha pubblicato una serie di articoli che si discostano dal suddetto schema.

È stato riscontrato che la maggior parte dei metodi all'avanguardia esistenti per l'analisi delle monete antiche ha prestazioni piuttosto scadenti. Nel loro studio, Arandjelovic e la sua collega Jessica Cooper hanno deciso di sviluppare un approccio più efficace, che può descrivere una moneta come farebbe un umano a un altro umano.

"Il lavoro con Jessica è venuto dalla mia consapevolezza che il campo ha preso un'angolazione molto sbagliata nel tentativo di determinare se due monete sono uguali, Ha spiegato Arandjelovic. "La ragione di ciò deriva dal fatto che pochi tipi di monete antiche (rispetto alle decine di migliaia coniate durante i cinque secoli dell'Impero Romano) che sono state riprese sono piuttosto piccole, rendendo l'approccio di scarsa importanza pratica. Jessica e io abbiamo quindi pensato che sarebbe stato molto meglio se il computer avesse potuto descrivere la moneta, tanto quanto un umano farebbe con un altro umano."

"Sono molto interessato agli algoritmi che imitano il modo in cui gli umani si avvicinano ai compiti, " Cooper ha detto a TechXplore" Quando un esperto descrive una moneta antica, identifica i concetti rappresentati artisticamente nello stesso modo in cui lo fa il nostro sistema, riconoscendo le forme nell'immagine. È anche in grado di indicare gli elementi che sta descrivendo:"c'è una cornucopia", 'c'è uno scudo' ecc. Il nostro sistema fa anche questo".

Le descrizioni approfondite sono una parte cruciale della letteratura numismatica, quindi scoprire informazioni dettagliate sulle monete utilizzando tecniche di apprendimento automatico potrebbe rivelarsi molto utile. Le descrizioni delle monete sono attualmente scritte da esperti umani, che può richiedere molto tempo. Il nuovo metodo sviluppato da Arandjelovic e Cooper potrebbe aiutare ad accelerare l'analisi delle monete antiche, automatizzandone una parte significativa.

"Utilizziamo il cosiddetto Deep Learning, che utilizza un tipo specifico di rete neurale (queste sono vagamente - in effetti molto vagamente - motivate da reti neurali che comprendono il nostro cervello) per imparare da molti esempi di monete che lo fanno e che non contengono uno specifico elemento visivo (ad esempio scudo, lancia, eccetera.), " Ha detto Arandjelovic. "Questo è ovviamente il modo in cui gli esseri umani imparano durante l'infanzia:attraverso l'esposizione ripetuta e il feedback del supervisore (genitore, insegnante, eccetera.)."

La maggior parte degli approcci esistenti funziona abbinando visivamente le monete, utilizzando strumenti di riconoscimento degli oggetti. Però, il numero di tipi di monete antiche supera di gran lunga i tipi di monete che sono stati registrati da esperti in digitale o su carta, motivo per cui questi metodi spesso funzionano male.

A differenza degli approcci precedenti, il metodo ideato da Arandjelovic e Cooper analizza il contenuto semantico delle monete. in primo luogo, i ricercatori hanno utilizzato input multimodali del mondo reale per estrarre e associare concetti semantici con le corrette immagini delle monete. Successivamente, hanno addestrato una rete neurale convoluzionale (CNN) sull'aspetto di questi concetti.

"Il nostro risultato più importante è il proof of concept, che possiamo ragionevolmente aspettarci che segnerà una svolta nella direzione del campo, "Ha detto Arandjelovic. "Abbiamo già molte nuove idee su come migliorare quello che abbiamo fatto finora, e confido che altri ricercatori saranno ispirati a trovare idee diverse che si basano anche sul nostro contributo".

I ricercatori hanno valutato il loro metodo sul più grande set di dati esistente di monete antiche, che include immagini di monete estratte da 100, 000 lotti all'asta. I loro test hanno prodotto risultati molto promettenti, con il loro algoritmo effettuando associazioni corrette e identificando accuratamente i modelli semantici nelle monete antiche.

"Penso che i nostri dati siano davvero interessanti perché sono impegnativi:c'è molto squilibrio di classe, molto rumore, e le immagini sono etichettate solo a livello dell'intera immagine, " disse Cooper. "Pertanto, durante l'allenamento, il modello viene raccontato solo se esiste un certo elemento sulla moneta, ma non dove si trova:deve impararlo da sé. Risolvere problemi su set di dati difficili come questo è prezioso non solo per se stesso, ma anche perché gli approcci sviluppati per un caso d'uso possono spesso essere applicati con successo in una varietà di domini."

La CNN utilizzata da Arandjelovic e Cooper è vagamente basata su una rinomata rete neurale artificiale chiamata AlexNet, che è stato originariamente utilizzato per classificare le fotografie dal set di dati ImageNet. Secondo Cooper, il loro studio offre un chiaro esempio di come questo tipo di impollinazione incrociata possa rivelarsi molto prezioso. Attualmente sta lavorando a un progetto che applica tecniche di visione artificiale simili alla diagnosi del cancro da scansioni mediche.

"Abbiamo diversi piani per la ricerca futura, " Arandjelovic ha detto. "In primo luogo, abbiamo intenzione di continuare direttamente questa ricerca, poiché vorremmo avere un sistema che descrive letteralmente l'immagine di una moneta, utilizzando pieno, frasi corrette, proprio come quelli che vedresti descrivere le monete quando vengono vendute alle aste. Vorremmo anche sviluppare metodi che monitorino i siti di aste online per rilevare monete rubate o monete false".

© 2019 Scienza X Rete