Finding Animal-Shapes in Noise

Michael Trott hat im Forum von Wolfram Alpha ein random Noise-Pic generiert, die Verdichtungen und Shapes im Noise isoliert, die Kanten geglättet und nach Tierformen sortiert. Quasi Machine-Pareidolia mit Noise und Tieren.

The long evolutionary history of humans has optimized the recognition of animals in the human vision system. To escape predators and to find food. Sometimes we believe to see animals and human faces, even if there aren't any, this phenomena is called pareidolia, or more generally apophenia. Classic examples are Jesus on a toast, the image on the shroud of Turin, Elvis in a potato chip, and the face on Mars. In many cases […] humans can identify animal shapes. Some animals, e.g. snakes are potentially identified much faster.

So, an interesting question might be: how often do we (believe to) see animals in an genuinely random image?

Mal ganz vom superinteressanten Algo-Ansatz zur Identifizierung abgesehen, kann ich die Frage („how often do we (believe to) see animals in an genuinely random image?“) sofort und sehr leicht beantworten: Immer und die Formen kommen aus allen möglichen Bereichen.

Es ist so: Eine der grundlegenden Übungen als Grafiker ist es, Pareidolia auszunutzen, um Formen zu sehen. Ich habe mal vor einer Ewigkeit die Rinde von Bäumen auf Papier durchgeschubbert und im scheinbar zufälligen Noise die Formen mit einer Outline versehen, die ich darin sah.

Ich hab das mal für Michael Trotts Noise-Pic aus dem Wolfram-Thread gemacht:

Das ist ein Bruchteil der Formen, die ich in dem Random-Noise-Pic von Trott sehe, da gehen noch weit mehr, weit komplexere und mit Schattierungen versehene Formen. Ich sehe die Welt genau so und zwar immer, die ganze Zeit. Wenn ich gegen eine Rauhfasertapete schaue, bilden Licht und Schatten der kleinen Papier-Gnubbel ganze Massen von Gesichtern, Fratzen und Formen.

Machine Pareidolia halte ich für eine der faszinierendsten Facetten von Digitalität, am häufigsten ist die anzutreffen bei scheinbar False Positives in Face Recognition, wenn etwa Gesichter von Snapchats Faceswap-Thingy in Dampf „gesehen“ werden oder in Pickel-Konstellationen.

Die visuelle Scheinmuster-Erkennung in Algorithmen ist also ohnehin bereits sehr ausgeprägt und Michael Trott hat den nun quasi forciert. Nice!