Nägemisillusioon paljastas arvutinägemise puuduse, mida täpsus ei näita

Toronto Yorki ülikooli teadlaste 2. oktoobril 2026 veebis avaldatud Current Biology uuring näitas, et pärast liikumise vaatamist tajusid inimesed paigalseisvat objekti nihkununa. Makaagi alumise oimusagara ajukoore ehk IT-ajukoore aktiivsusest arvutatud asukoht muutus samas suunas, kuid uuritud tehisnägemisvõrkudes võrreldavat nihet ei tekkinud. Objekti tegelik asukoht pildil jäi kogu võrdluses samaks.

Uuringu esiautor on Elizaveta Yakubovskaya ja vanemautor Kohitij Kar. Kar sõnastas Yorki ülikooli teates hindamisprobleemi nii: „we cannot focus only on whether it gets the right answer“. Mudel võib objekti pildikoordinaadid õigesti määrata, ent see ei näita, kas tema sisemine asukohakood arvestab vahetult eelnenud visuaalset kogemust.

Sama paigalseisev pilt järgnes eri suunas liikumisele

Katse keskmes oli liikumisjärgne asukohamoonutus. Kui vaatleja kohaneb ühes suunas liikuva mustriga, võib kohe seejärel nähtud paigalseisev objekt tunduda liikunud vastassuunas. Nii saab võrrelda kahte vastust samale sihtpildile: kus objekt pikslite järgi asub ja kus vaatleja seda näeb.

Sama töö eeltrükis kirjeldatud katses osales kokku 79 inimest: 35 määras asukohta eelneva liikumiseta, kummaski liikumissuuna tingimuses osales 22 inimest; närviandmed pärinesid kahelt makaagilt ja võrdlusse võeti üheksa tehisvõrku. Osalejatele näidati loomuliku ilmega taustal eri kohtades paiknevaid objekte, näiteks karu, autot või õuna. Eri tingimustes vastasid eri inimesed, mistõttu võrreldi rühmade asukohahinnanguid, mitte sama inimese vastust enne ja pärast kohanemist.

1. Esmalt ilmus vasakule või paremale liikuv triibustik, millega nägemissüsteem kohanes.
2. Seejärel näidati lühidalt paigalseisvat sihtobjekti. Selle kujutis paiknes mõlema liikumissuuna järel samas kohas.
3. Lõpuks võrreldi inimeste märgitud asukohta, makaagi IT-ajukoore aktiivsusest arvutatud asukohta ja mudelite sisemistest tunnustest arvutatud asukohta.

Pikslipõhine asukoht tähendab sihtobjekti mõõdetavat kohta kujutisel. Tajutud asukoht on koht, kuhu inimene selle paigutab. Tavalisel paigalseisval pildil langevad need hinnangud enamasti kokku; eelnev liikumine loob olukorra, kus sama pilt võib anda erineva tajuhinnangu. Just see lahknevus teeb illusioonist asukohakoodi katse, mitte üksnes nägemise kurioosumi.

Makaagi ajukoore asukohakood järgis inimese taju

Paremale liikuva mustriga kohanemise järel paigutasid inimesed sihtobjekti vasakule poole selle tavapärasest hinnangust. Vasakule liikumise järel muutus hinnang vastassuunas. Muutus puudutas horisontaalset asukohta, mis vastas katses kasutatud liikumissuunale.

IT-ajukoore puhul ei küsitud makaagilt, kus objekt tema arvates asub. Asukoht arvutati välja sama objekti vaatamisel mõõdetud närvirakkude ühise aktiivsuse põhjal. See hinnang nihkus samuti eelnenud liikumisele vastassuunas: inimese vastus ja makaagi närvisignaal näitasid kvalitatiivselt sarnast mõju, kuigi need pärinesid eri liikidelt ja neid mõõdeti eri viisil.

Asukohta arvutav meetod treeniti närviandmetel, mis koguti ilma eelneva liikumisega kohanemiseta, ning rakendati seejärel kohanemisjärgsetele andmetele uuesti treenimata. Seetõttu osutab muutunud väljund närvisignaalis toimunud muutusele, mitte igale tingimusele eraldi sobitatud asukohareeglile. Ühe liikumissuuna järel oli ajukoore nihe selgem; teise järel jäi eraldi hinnatud mõju statistiliselt ebakindlaks. Katse toetab IT-ajukoore rolli tajuga seotud asukohakoodis, kuid ei näita, et see piirkond üksi illusiooni põhjustab.

Ka ajas töötlevad võrgud jätsid nihke tabamata

Tehisvõrkude puudujääk ei seisnenud selles, et objekti asukoht oleks nende jaoks kadunud. Mitme võrgu sisemistest tunnustest sai tegelikud pildikoordinaadid välja arvutada. Puudu jäi erinevus kahe olukorra vahel: sama sihtobjekti asukohakood ei muutunud liikumise suunast sõltuvalt inimese tajuhinnangu või makaagi IT-signaaliga võrreldaval viisil.

Võrdlus hõlmas nii üksikpilte töötlevaid võrke kui ka ajas järjestatud sisendiga mudeleid. Tegevustuvastuseks loodud SlowFast töötles liikuva mustri ja sellele järgneva sihtobjekti järjestust; korduvate ühendustega ConvRNN-i sisend kohandati sama katse ajalisele ülesehitusele. Kummagi mudeli tunnustest arvutatud asukoht ei näidanud süstemaatilist nihet eelnenud liikumisele vastupidises suunas. Ajas järjestatud sisendi töötlemine üksi ei andnud selles katses inimese tajuga sarnast tulemust.

Teadlased proovisid mudelites ka närvirakkude aktiivsuse kohanemisjärgset nõrgenemist jäljendada. See muutis mudelite reaktsiooni, kuid ei loonud vajalikku suunast sõltuvat asukohanihet. Kui mudelite tunnustele rakendati makaagi IT-ajukoore andmetest tuletatud teisendus, ilmnes sarnane nihe. Tulemus näitab, et sellist asukohakoodi saab mudeli tunnustest moodustada; uuritud võrgud ei tekitanud seda muutust iseseisvalt.

Miks klassifitseerimistäpsus erinevust ei näita

Üksikpildi klassifitseerimistäpsus vastab küsimusele, kas mudel tunneb objekti ära. Ka asukoha määramise täpsus hindab tavaliselt vastavust objekti tegelikele pildikoordinaatidele. Kumbki mõõt ei nõua, et sama paigalseisva objekti asukohahinnang sõltuks enne seda nähtud liikumisest. Seetõttu võib mudel täpselt vastata tavapärasele ülesandele ja jätta selle katse keskse tajumõju kajastamata.

Liikumisillusioon pakub dünaamilise nägemise mudelite hindamiseks täpsema eristuse: sihtpilt hoitakse samana, muudetakse ainult eelneva liikumise suunda ja vaadatakse, kas sisemine asukohakood liigub koos tajuga. Katse tulemus puudutab uuritud võrke, mitte kõiki võimalikke tehisnägemise lahendusi. Arenduse jaoks jääb konkreetseks küsimuseks, milline liikumise ja objekti tunnuste ühine töötlus võiks tekitada selle muutuse mudelis ilma ajukoore andmetest tuletatud teisendust lisamata.

Loe ka:

• GitHub Actions või GitLab CI: tasuta minutid ei näita meeskonna kogukulu
• Replit või Lovable: odavam kuutasu ei näita valmis rakenduse kulu