Umetna inteligenca DeepMind naučili, da pridejo gor s fotografijami

Britansko podjetje DeepMind, v letu 2014 postala del Google, se nenehno prizadeva za izboljšanje umetne inteligence. V juniju 2018 je njen zaposleni pod pogojem, nevronske mreže, ki lahko ustvarjajo tridimenzionalne slike, ki temelji na dvodimenzionalni. V oktobru, so se razvijalci šli še dlje - so ustvarili nevronske mreže BigGAN za ustvarjanje podobe narave, živali in predmetov, ki jih je težko ločiti od pravih fotografij.

Kot pri drugih projektih za ustvarjanje umetne slike, je ta tehnologija temelji na generativni konkurenčni nevronske mreže. Spomnimo se, da je sestavljen iz dveh delov: generator in diskriminator. Prvi ustvari podobo, medtem ko je drugi oceni podobnosti med njima z vzorci idealnega rezultata.

V tej študiji smo želeli zabrisati mejo med slikami, ki jih je AI ustvarili, in fotografije iz realnega sveta. Ugotovili smo, da je to dovolj za obstoječe metode generacije.

Če želite naučiti BigGAN ustvariti slike metulje, pse in hrane, ki se uporabljajo različnih sklopov slik. Prvi se uporablja za usposabljanje ImageNet baze podatkov, nato pa - bolj ambiciozni komplet JFT-300M 300 milijonov slik, razdeljen na 18.000 kategorije.

BigGAN Izobraževanje je 2 dni. Trajalo je 128 tenzor Google procesorje, izdelane posebej za strojno učenje.

Pri razvoju nevronskih mrež je s profesorji iz škotski Univerzi Heriot-Watt udeležil tudi. Podrobnosti o tehnikah pobarvane v članku "Izobraževanje

obsežno generativni-konkurenčna nevronska mreža GAN sintezo naravnih slik z visoko natančnostjo. "

V septembru, so raziskovalci iz Carnegie Mellon University v uporabi generativne konkurenčnih nevronskih mrež ustvarili sistem za uporabo izrazov na obrazih nekaterih ljudi, na drugo osebo.

Kot taka se nevronska mreža lahko človeštvo uporablja? Možnosti prosim napišite v komentarje ali pa v naši telegramu-klepetu.