15 pārsteidzošas lietas, ko neironu tīkli ir iemācījušies darīt

2024 Autors: Malcolm Clapton | [email protected]. Pēdējoreiz modificēts: 2023-12-17 04:04

No braukšanas ar automašīnu līdz šedevru radīšanai.

Neironu tīkls ir mākslīgais intelekts, kas spēj pašmācīties. Kaut kādā veidā līdzīgas programmas pastāvēja Neurocomputer tehnoloģija: teorija un prakse jau astoņdesmitajos gados, taču īpaši strauji šī joma attīstījās ap 2015. gadu. Tādas vadošās universitātes kā Masačūsetsa un Oksforda, kā arī lielas korporācijas, piemēram, Google, sāka aktīvi pētīt neironu tīklu iespējas.

Tagad šīs tehnoloģijas ir pieejamas ikvienam. Un cilvēce jau ir nākusi klajā ar desmitiem visārprātīgāko un dīvaināko lietojumu šādām programmām. Šeit ir daži no tiem.

1. Nāc klajā ar neesošu cilvēku sejām

Iepriekš attēlā redzamie cilvēki izskatās reālistiski, taču viņi neeksistē. Viņu attēli radīja progresīvu GAN audzēšanu, lai uzlabotu

kvalitātes, stabilitātes un variācijas neironu tīkls no NVIDIA. Programma tika apmācīta par reālām slavenību fotogrāfijām, un rezultātā tā iemācījās ģenerēt uzticamus seju attēlus. Jūs pats varat pārbaudīt, cik labi viņa to dara.

2. Lasīt skaļi

Ir daudz tehnoloģiju runas sintezēšanai, izmantojot neironu tīklus. Šim nolūkam ir paredzētas programmas, piemēram, un "". Šādā veidā radīta runa ir plūstoša un reālistiska, un šai metodei ir daudz pielietojumu, sākot no dublēšanas lietojumprogrammām vājredzīgajiem līdz audiogrāmatu izveidei par zemām izmaksām.

3. Braukt ar automašīnām

Daudzi uzņēmumi uzskata, ka pašpiedziņas automašīnas ir transporta nākotne. Audi, Uber, Google, Tesla, Yandex un daudzām citām korporācijām ir savas attīstības tendences šajā jomā. Praktiski neviena no šīm tehnoloģijām nav pilnīga bez neironu tīkliem. Tie palīdz transportlīdzekļiem noteikt, kur uz ceļa atrodas marķējumi, zīmes, citi transportlīdzekļi un gājēji, un pieņemt lēmumus, pamatojoties uz šiem datiem.

4. Atgūt fotoattēlu un videoklipu krāsas

Zinātnieki no Vasedas universitātes Tokijā ir izstrādājuši Lai ir krāsa! programma, kas veido melnbaltas fotogrāfijas un krāsainas video. Neironu tīkls ir iemācījies attēlos identificēt kopīgus motīvus (debesis parasti ir zilas, koki ir zaļi un tā tālāk) un krāsot objektus atbilstošās krāsās.

5. Visur redzi suņu sejas

Viena no pirmajām neironu tīklu tehnoloģijām, kas kļuva pieejama plašai auditorijai, bija Google Inceptionism Inceptionism 2015. gadā. Viņa apstrādāja attēlus, pievienojot tiem suņu seju, pagodu un arku siluetus. Interneta lietotāji programmā sāka nodot savus fotoattēlus, slavenās gleznas, videoklipus un filmas - tas izrādījās neparasts un rāpojošs.

6. Rakstīt mūziku

Neironu tīklos var ielādēt jebkāda veida digitālo informāciju, tostarp mūziku. Daži pētnieki apmāca savas programmas, izmantojot slavenu komponistu melodijas. Datori vēl nav radījuši jēgpilnus skaņdarbus, taču tie diezgan labi kopē mūziķu stilus.

7. Lieciet politiķiem teikt jebko

Viens no biedējošākajiem neironu tīklu izmantošanas veidiem ir video sintēze, jo īpaši ar publiskām personām. Piemēram, Vašingtonas universitātes zinātnieki ir izstrādājuši programmu Synthesizing Obama: Learning Lip Sync from Audio, kas ģenerē Baraka Obamas lūpu kustības, pamatojoties uz audio ierakstiem, un aizstāj tās video. Tas izrādās ļoti uzticami.

8. Pastaiga

Google meitasuzņēmums DeepMind veica eksperimentu. Trīs dažādām virtuālajām figūrām – humanoīdam, nūjai ar divām kājām un bumbiņai ar četrām kājām – bija jāiemācās staigāt. Viņiem nebija informācijas par to, kā tas tiek darīts - tikai uzdevums nokļūt no viena punkta uz otru un sensori, kas palīdz noteikt viņu atrašanās vietu kosmosā. Pēc simtiem stundu ilgas prakses visas trīs figūras iemācījās staigāt, skriet, lēkt un pārvietoties pa nelīdzenām virsmām.

9. Vadības roboti

Tehnoloģijas, kuru pamatā ir neironu tīkli, tiek plaši izmantotas robotikā. Piemēram, Disneja pētniecības institūta radītais robots var virzīties uz priekšu ar vienu, divām un trim kājām. Un piegādes robotam no Starship Technologies ir jāpārvietojas pa ielām, izvairoties no šķēršļiem un gājējiem.

10. Atzīt krāpšanu un korupciju

Viena no neironu tīklu galvenajām funkcijām ir modeļu atpazīšana, ieskaitot korelācijas starp notikumiem. Tas ir ļoti noderīgi finanšu jomā: jūs varat paredzēt nelikumīgas darbības, pirms tās notiek. Piemēram, Spānijā zinātnieki ir izveidojuši programmu Predicting Public Corruption with Neural Networks: An Analysis of Spanish Provinces, kas palīdz atklāt korupciju valsts provincēs. Un dažas bankas izstrādā Citi Ventures, kas ievieš mašīnmācīšanos un mākslīgo intelektu ar cilvēkiem, un izmanto sistēmas, kas atpazīst kredītkaršu krāpšanu.

11. Tulko tekstu uz attēla reāllaikā

Reāllaika teksta tulkošanas funkcija pakalpojumā Google tulkotājs parādījās jau ilgu laiku, taču tikai daži cilvēki zina, ka tā izmanto Kā Google tulkotājs izspiež dziļu mācīšanos tālruņa neironu tīklos. Ar to palīdzību programma attēlos atpazīst burtus un citus simbolus, pat ja tie ir izplūduši, pagriezti ap savu asi, stilizēti vai izkropļoti. Pēc tam lietojumprogramma tos ievieto vārdos un teikumos, pārtulko un projicē attēlā. Un tas viss sekundes daļā.

12. Pārnes mākslas stilu no viena attēla uz citu

2016. gadā vairāki uzņēmumi prezentēja attēlu apstrādes tehnoloģijas dažādos mākslas stilos. Ir parādījušās tādas lietotnes kā Prisma, DeepArt un Ostagram. Prisma ļauj izvēlēties no vairākiem simtiem jau iepriekš sagatavotu filtru, savukārt Ostagram un DeepArt – pats vari augšupielādēt attēlu vai fotogrāfiju, kas kalpos kā stila avots.

13. Pārvērtiet aptuvenas skices reālistiskās gleznās

2019. gada sākumā NVIDIA demonstrēja Stroke of Genius: GauGAN Turns Doodles to Stunning - Photorealistic Landscapes programmu, kas pārvērš attēlus no dažām vienkāršām formām skaistos detalizētos attēlos. Lietotājs veic pāris sitienus, un neironu tīkls no tā izveido attēlu, ko no tālienes nevar atšķirt no īsta ainavu gleznotāja audekla. Jūra, akmeņi, pilsēta, mežs, mākoņi - bildei var pievienot desmitiem dažādu objektu. Neironu tīkls pat pats nosaka, kur nepieciešamas ēnas vai atspulgi.

14. Lasīt lūpas

Google un Oksfordas universitātes zinātnieki ir izveidojuši LipNet tehnoloģiju LipNet, kas izmanto neironu tīklus, lai lasītu lūpas. Un viņa to dara daudz precīzāk nekā cilvēks. Cilvēki ar dzirdes traucējumiem caur lūpām lasa vidēji ar 52% precizitāti, bet LipNet ar 88% precizitāti.

15. Rakstīt tekstus

Cilvēki mācīja neironu tīklus un kā strādāt ar tekstu. Programmas raksta Deep-Speare: A Joint Neural Model of Poetic Language, Meter and Rhyme dzejoļi, īsie stāsti, viltoti teksti Vikipēdijai, skripti seriāliem (piemēram, draugiem).

Un 2016. gadā tika izlaista pasaulē pirmā īsfilma Saules pavasaris, kuras scenāriju sarakstījis mākslīgais intelekts. Kino ir absolūti bezjēdzīgs: datori joprojām cīnās, lai radītu. Bet kas zina, varbūt pēc dažiem gadiem scenārista profesija reducēsies līdz mašīnas radīto darbu montāžai.