Hur känner en modell igen ett objekt?
Kunna beskriva vad en modell analyserar i en bild och varför den kan göra felbedömningar.
Vardagsförklaring
Modellen ser inte en katt. Den analyserar tusentals pixlar och letar efter mönster som ofta fanns i de bilder den tränades på: spetsiga former (öron), ränder, runda ögon, viss silhuett.
Därför kan den göra fel:
- en hund med spetsiga öron kan klassas som «katt»,
- en katt sedd bakifrån eller i mörker saknar de vanliga mönstren,
- om alla träningsbilder var inomhus kan «soffa» bli en ledtråd — och en soffa utan katt klassas som «katt».
Intuition
Experiment med Teachable Machine (gratis, i webbläsaren): träna «katt» / «inte katt» med 20 bilder var. Testa sedan:
- En vanlig katt → hög träffsäkerhet.
- En katt upp och ner → lägre.
- En leksakskatt → ?
- Bara en tom soffa → ibland «katt», om många träningsbilder hade en soffa.
Notera vad som lurade modellen. Det visar vad modellen egentligen har lärt sig.
Behärskning innebär
- Beskriver att modellen analyserar pixelmönster, inte «ser» ett objekt
- Ger två exempel på varför modellen kan göra fel
Förkunskaper
Logga in för att göra övningarna och bygga upp din behärskning.
Källor
- Teachable Machine (Google, gratis) — gratis webbtjänst
- CS Unplugged (CC BY-SA 4.0) — CC BY-SA 4.0