นับให้เก่งกว่า
ทายให้ไวกว่า
หลอกให้ได้Out-count it.
Out-guess it.
Fool it.
สามเกมกับเครื่องตรวจจับวัตถุตัวจริง ตัวเดียวกับที่ใช้ทั้งเว็บนี้ ไม่มีฝ่ายไหนเป็นเฉลย คุณจะเห็นว่าเครื่องเก่งตรงไหน พลาดตรงไหน และพลาดเพราะอะไร
Three games against a real object detector — the same one used across this site. Neither side is the answer key. You will see where the machine is good, where it slips, and why.
ทุกอย่างคำนวณในเบราว์เซอร์นี้ ภาพจากกล้องหรือรูปของคุณไม่ถูกส่งหรือบันทึกไว้ที่ไหน คะแนนสูงสุดเก็บไว้ในเบราว์เซอร์นี้เท่านั้นEverything computes in this browser. Your camera and photos are never sent or saved anywhere. Best scores stay in this browser only.
แข่งนับCount race
- ภาพหนึ่งภาพจะหยุดนิ่ง นับยานพาหนะ (หรือคน) ด้วยปุ่ม + และ − ภายใน 15 วินาทีA frame freezes. Count the vehicles (or people) with + and − within 15 seconds.
- แล้วกรอบของเครื่องจะปรากฏ พร้อมความมั่นใจของแต่ละกรอบThen the machine's boxes appear, each with its confidence.
- คุณเป็นกรรมการ ดูอีกครั้งให้ดีแล้วตัดสินว่าใครใกล้ความจริงกว่า ห้ารอบต่อหนึ่งเกมYou referee: look again carefully and decide who was closer. Five rounds a match.
เกมนี้สอนว่าWhat this teachesตัวเลขของเครื่องขึ้นกับเกณฑ์ความมั่นใจที่เราเลือก และเครื่องก็ไม่ใช่เฉลยA machine's count depends on the confidence threshold we choose — and the machine is not the answer key either.
กล้องสาธารณะ: เราข้ามภาพที่เครื่องไม่เห็นอะไรเลย เพื่อให้ทุกรอบมีของให้นับ นั่นแปลว่าคุณจะไม่ได้เห็นภาพที่เครื่องพลาดหมดทุกคัน ซึ่งก็มีอยู่จริง กล้องของคุณและรูปของคุณใช้ภาพที่หยุดไว้ตรง ๆ ไม่ข้ามPublic cameras: we skip frames where the machine sees nothing at all, so every round has something to count. That means you never see the frames where it missed every single vehicle — and those exist. Your camera and photos use the frozen frame as it is, no skipping.
พิกเซลน้อยที่สุดFewest pixels
- ภาพเริ่มจากบล็อกใหญ่มาก แต่ละขั้นบล็อกจะเล็กลงและภาพจะชัดขึ้นThe picture starts as huge blocks. Each step the blocks shrink and it gets sharper.
- คุณทายได้ครั้งเดียว ว่าในภาพมีอะไร หรือกด “ขอดูชัดขึ้น” เครื่องก็ทายครั้งเดียวเหมือนกัน และจะทายเมื่อมั่นใจถึง 50%You get one guess at what is in it — or press “sharper”. The machine also gets one guess, and commits when it is 50% sure.
- ใครทายถูกตอนภาพหยาบกว่า คนนั้นชนะรอบ ห้ารอบต่อหนึ่งเกมWhoever is right at the coarser picture wins the round. Five rounds a match.
เกมนี้สอนว่าWhat this teachesความละเอียดคือข้อมูล คนใช้บริบทเดาจากภาพหยาบได้ ส่วนเครื่องถูกฝึกจากภาพที่ชัด และพลาดง่ายเมื่อภาพไม่เหมือนที่เคยเห็นResolution is information. People use context to guess from a coarse picture; the machine was trained on sharp photos and slips when a picture looks unlike what it has seen.
เฉลยของแต่ละรอบมาจากการอ่านภาพที่ชัดเต็มที่ของเครื่องเอง (สิ่งที่มันมั่นใจที่สุด อย่างน้อย 50%) ซึ่งอาจผิดได้ ถ้าภาพสุดท้ายแสดงว่าเฉลยผิด กด “เฉลยผิด” แล้วรอบนั้นจะไม่นับEach round's key is the machine's own reading of the full, sharp picture (its most confident find, at least 50%). That can be wrong. If the final picture shows it is, press “the key is wrong” and the round will not count.
หลอกตาเครื่องFool the machine
- เปิดกล้องของคุณ (หรือเลือกรูป) แล้วเลือกโจทย์หนึ่งข้อOpen your camera (or choose a photo) and pick a challenge.
- ทำให้เครื่องเห็นสิ่งที่ไม่มี หรือมองไม่เห็นสิ่งที่มี แล้วกด “เก็บภาพ”Make it see what is not there, or miss what is — then press “Capture”.
- มีแต่คุณที่รู้ว่าอะไรอยู่หน้ากล้องจริง ๆ คุณจึงเป็นคนตัดสินว่า “หลอกสำเร็จ”Only you know what is really in front of the camera, so you decide when it was fooled.
เกมนี้สอนว่าWhat this teachesเครื่องจับรูปแบบของพิกเซล ไม่ได้เข้าใจสิ่งของ “ไม่เห็น” จึงไม่เคยแปลว่า “ไม่มี”The machine matches patterns of pixels; it does not understand things. So “not detected” never means “not there”.
ภาพจากกล้องของคุณอยู่ในเครื่องนี้เท่านั้น ภาพที่เก็บไว้อยู่ในหน่วยความจำของแท็บนี้ และหายไปเมื่อคุณออกจากหน้า ไม่มีการอัปโหลดYour camera's picture stays on this device. Captures live in this tab's memory and vanish when you leave. Nothing is uploaded.
โจทย์Challenges
ภาพที่เก็บไว้Captures
ยังไม่มีภาพ กด “เก็บภาพ” ตอนที่คิดว่าหลอกเครื่องได้Nothing yet. Press “Capture” when you think you have fooled it.
ทำไมเครื่องถึงถูกหลอกได้Why a machine can be fooled
เครื่องตรวจจับไม่ได้รู้ว่า “ถ้วย” คืออะไร มันเรียนรู้ว่ารูปแบบของสี ขอบ และพื้นผิวแบบไหน มักมาพร้อมคำว่า “ถ้วย” ในภาพตัวอย่างนับแสนภาพ ถ้าคุณหันถ้วยในมุมที่ภาพตัวอย่างแทบไม่มี มันก็หาไม่เจอ ถ้าคุณโชว์รูปสุนัขบนจอ มันก็เห็นสุนัข เพราะพิกเซลเหมือนสุนัขจริง ๆ — และนั่นอาจไม่ใช่ความผิดของมันด้วยซ้ำ
A detector does not know what a “cup” is. It has learned which patterns of colour, edge and texture tend to come with the word “cup” across hundreds of thousands of example photos. Turn the cup to an angle those photos rarely showed and it loses it. Show it a dog on a screen and it sees a dog, because the pixels really are dog-like — arguably not even a mistake.
นักวิจัยพบสิ่งที่แปลกกว่านั้น: ภาพหลอกเชิงปฏิปักษ์ (adversarial examples) คือการเปลี่ยนพิกเซลนิดเดียวจนคนมองไม่ออก แต่ทำให้โครงข่ายเปลี่ยนคำตอบไปเลย (Szegedy และคณะ 2014; Goodfellow, Shlens และ Szegedy 2015) และสติกเกอร์ไม่กี่แผ่นบนป้ายหยุดจริงก็ทำให้ระบบอ่านป้ายผิดได้ (Eykholt และคณะ 2018) สิ่งที่คุณทำกับกล้องตอนนี้เป็นแบบหยาบ ๆ ของเรื่องเดียวกัน
Researchers found something stranger: adversarial examples — changes to a few pixels too small for a person to notice that flip a network's answer completely (Szegedy et al., 2014; Goodfellow, Shlens & Szegedy, 2015). A few stickers on a real stop sign were enough to make a classifier — a program that sorts a picture into one of a few named groups — misread it (Eykholt et al., 2018). What you are doing with your camera is the rough, hands-on version of the same thing.
บทเรียนสำหรับเมือง: ถ้าระบบนับรถหรือนับคนรายงานว่า “ไม่มี” มันแปลว่า “ไม่พบอะไรที่มั่นใจเกินเกณฑ์” เท่านั้น ไม่ใช่ว่าถนนว่างจริง
The lesson for a city: when a system that counts cars or people reports “none”, it means “found nothing above the threshold” — not that the street is empty.