Investigadores españoles enseñaron un algoritmo de visión por computadora para percibir los trucos de un ilusionista con una moneda de la misma manera que lo hace una persona. Para ello, pidieron a un ilusionista profesional que mostrara varios trucos al espectador y un algoritmo de reconocimiento basado en DeepLabCut, que se utiliza para rastrear animales de laboratorio. Dos de los siete trucos mostrados pudieron engañar con éxito tanto a una persona como a una computadora, y los resultados del trabajo pueden ayudar en el futuro a estudiar la percepción de tales trucos por parte de los espectadores, escriben los científicos en una preimpresión en arXiv.org.
No hay magia en los trucos de magia que muestran los ilusionistas, todo el éxito de su implementación se reduce a un juego de manos. Por otro lado, también es una cuestión de percepción humana: las acciones del ilusionista están diseñadas para engañar al espectador, jugando con su atención y concentración. Por lo tanto, para aquellos que siguen las manos del mago con mucho cuidado, no hay magia, y el engaño en algunos trucos se puede detectar fácilmente si, por ejemplo, graba su actuación en video y lo reproduce lentamente.
Por supuesto, la situación con la percepción de tales trucos por parte de los algoritmos de visión por computadora es ligeramente diferente: de hecho, la computadora se libera de la posibilidad de ser engañada y, en el caso de ella, qué tan bien puede reconocer el engaño depende de la calidad de su trabajo. Los investigadores dirigidos por Alex Gómez-Marín del Instituto de Neurociencias de Alicante (España) decidieron probar si se puede enseñar a un algoritmo de este tipo a mirar los trucos de los ilusionistas como persona.
Para hacer esto, los científicos contrataron a un ilusionista profesional y le pidieron que mostrara siete trucos visuales simples con monedas, sin adiciones verbales que puedan distraer al espectador y afectar el éxito de la ilusión. Los trucos se distinguían por los movimientos de la mano del ilusionista necesarios para la desaparición de la moneda: por ejemplo, en uno era importante arrastrar la moneda sobre la mesa, y en el otro, por ejemplo, agarrarla.
norte
Se mostraron todos los trucos a las personas, así como un algoritmo basado en DeepLabCut, que fue presentado por científicos alemanes el año pasado: se utiliza para rastrear automáticamente los movimientos de animales de laboratorio e incluso puede analizar los movimientos de partes individuales de sus cuerpos (por ejemplo, las patas de los ratones). La tarea del algoritmo era determinar la ubicación de la moneda al final de cada truco, exactamente la misma tarea que enfrentan los participantes de la investigación.
Los científicos compararon los resultados de una persona y un algoritmo y encontraron que solo dos casos eran posibles para engañar a ambos. Tres trucos que engañaron a la audiencia, el algoritmo no engañó: determinó la posición de la moneda. Además, uno engañó al algoritmo, pero no a la audiencia, y otro, al revés. Por ejemplo, el cuarto truco, en el que el ilusionista coloca las monedas en una fila (se puede ver en el video), resultó sencillo para el algoritmo, pero logró engañar al espectador, pues la atención de este último durante los movimientos se dirigió a la mano en la que el ilusionista inicialmente sostenía las monedas. por lo tanto, el hecho de que el mago estuviera poniendo una moneda con la otra mano pasó desapercibido. Dado que un algoritmo entrenado para rastrear una moneda no tiene problemas para rastrear ambas manos a la vez, no fue engañado. Por otro lado, en el sexto truco, exactamente igual que el primero,pero se cometió especialmente con un error: el algoritmo, a diferencia del espectador, no reconoció el engaño, ya que la moneda lanzada, aparentemente, resultó ser una ventaja en relación con la cámara, lo que causó dificultades en el reconocimiento para una computadora, y no para una persona.
Los autores aclaran que no estaban interesados en la capacidad del algoritmo para descubrir rápidamente los trucos del ilusionista. Más bien, querían ver si era posible hacer que él los mirara de la misma manera que lo hace una persona común, y no al que busca resolver el engaño, sino al que realmente percibe el truco como una especie de magia. El hecho de que, en algunos casos, DeepLabCut no fue realmente capaz de reconocer el engaño de la misma manera que una persona, lo que significa, según los científicos, que estos algoritmos pueden usarse para analizar la percepción humana, solo en situaciones como los trucos de los ilusionistas.
Video promocional:
Elizaveta Ivtushok
