Arts Universe and Philology

Arts Universe and Philology
The blog "Art, Universe, and Philology" is an online platform dedicated to the promotion and exploration of art, science, and philology. Its owner, Konstantinos Vakouftsis, shares his thoughts, analyses, and passion for culture, the universe, and literature with his readers.

Πέμπτη 23 Ιανουαρίου 2020

Δείξε μου πώς χορεύεις να σου πω ποιος είσαι. The way you dance is unique, and computers can tell it’s you

Henri Matisse, La Danse, 1910. Έρευνα Φιλανδών επιστημόνων κατέδειξε ότι ο τρόπος με τον οποίο χορεύουμε είναι τόσο μοναδικός ώστε ένας υπολογιστής να μπορεί να μας αναγνωρίσει με βάση τις κινήσεις μας. Nearly everyone responds to music with movement, whether through subtle toe-tapping or an all-out boogie. A recent discovery shows that our dance style is almost always the same, regardless of the type of music, and a computer can identify the dancer with astounding accuracy.

Παρόλο που όταν βρισκόμαστε σε μια συναυλία έχουμε την εντύπωση ότι ο ρυθμός οδηγεί την πλειοψηφία των ανθρώπων να χορεύουν ομοιόμορφα, πρόσφατη έρευνα επιστημόνων από το Πανεπιστήμιο Γιουμπάσκουλα της Φινλανδίας, τα αποτελέσματα της οποίας δημοσιεύτηκαν στην επιστημονική επιθεώρηση «PNAS», δείχνει ότι ο τρόπος με τον οποίο χορεύει κάθε άνθρωπος είναι τόσο μοναδικός ώστε να μπορεί να αναγνωριστεί ακόμη κι από έναν υπολογιστή.

Χορός, όπως δακτυλικό αποτύπωμα

While machine learning technology is not too accurate at distinguishing between dance styles, when it comes to recognizing the personal style of dancers, it is 97% effective at determining who is who. Renoir paintings (from left) “Dance at Bougival,” “Dance in the Country,’’ and “Dance in the City.’’ ­ MUSEUM OF FINE ARTS, BOSTON

Στην έρευνα συμμετείχαν 73 άνθρωποι, οι οποίοι κλήθηκαν να χορέψουν μπροστά από μία κάμερα στον ρυθμό οκτώ πολύ διαφορετικών ειδών μουσικής: μπλουζ, τζαζ, κάντρι, ηλεκτρονική μουσική, μέταλ, ποπ, ρέγκε και τζαζ.

Οι κινήσεις των συμμετεχόντων καταγράφηκαν και αναλύθηκαν από ένα λογισμικό με τη συμβολή της τεχνητής νοημοσύνης. Αρχικά, οι επιστήμονες «ζήτησαν» από τον αλγόριθμο να «μαντέψει» το είδος της μουσικής με βάση τις κινήσεις των ανθρώπων.

Στο πείραμα αυτό, ο αλγόριθμος απέτυχε: το ποσοστό επιτυχίας του περιορίστηκε στο 30%. Ωστόσο, όταν ο υπολογιστής κλήθηκε να αντιστοιχήσει τις κινήσεις του σώματος σε συγκεκριμένα πρόσωπα, η επιτυχία ήταν πρωτοφανής: κατάφερε να ταυτοποιήσει με επιτυχία 94% των συμμετεχόντων στην έρευνα αναλύοντας τις κινήσεις του σώματός τους καθώς αυτοί χόρευαν.

«Φαίνεται ότι ο τρόπος με τον οποίο χορεύει κάθε άνθρωπος είναι σαν το δακτυλικό του αποτύπωμα» ανέφερε η ερευνήτρια Πάσι Σάρι, η οποία συμμετείχε στην έρευνα. Για να επιβεβαιώσουν τα αποτελέσματα, οι ερευνητές ανάγκασαν τον αλγόριθμο να κάνει τις ίδιες προβλέψεις χωρίς προηγουμένως να έχει εκπαιδευτεί από τις βιντεοσκοπημένες κινήσεις των ανθρώπων. Πράγματι, το ποσοστό επιτυχίας σε αυτή την περίπτωση περιορίστηκε στο 2%.

Η συγκεκριμένη ερευνητική ομάδα έχει χρησιμοποιήσει την ίδια τεχνολογία στο παρελθόν ώστε να διερευνήσει κατά πόσο ο τρόπος με τον οποίο χορεύουμε αντανακλά προσωπικά μας χαρακτηριστικά, όπως η διάθεσή μας ή το αν είμαστε εξωστρεφείς.

Καινούρια μέθοδος αναγνώρισης;

Πάντως, η πρώτη συγγραφέας της δημοσίευσης Έμιλι Κάρλσον, ερωτώμενη εάν στο μέλλον η συγκεκριμένη τεχνολογία μπορεί να λειτουργήσει συμπληρωματικά με την αναγνώριση προσώπου, σημείωσε ότι «σκοπός δεν είναι τόσο να αναπτύξουμε τεχνολογίες αναγνώρισης αλλά να απαντήσουμε σε ερωτήματα όπως εάν ο μοναδικός τρόπος χορού του καθένα τον ακολουθεί σε όλη του τη ζωή ή κατά πόσο οι άνθρωποι είναι ικανοί να αναγνωρίζουν κάποιον άλλον από τον τρόπο που χορεύει».

Πηγές: Emily Carlson, Pasi Saari, Birgitta Burger, Petri Toiviainen. Dance to your own drum: Identification of musical genre and individual dancer from motion capture using machine learningJournal of New Music Research, 2020; 1 DOI: 10.1080/09298215.2020.1711778 - https://neurosciencenews.com/ai-dancing-15509/ - https://www.tovima.gr/2020/01/22/science/deikse-mou-pos-xoreyeis-na-sou-po-poios-eisai/