Компания Google показала, на что похожи «мечты» их систем искусственного интеллекта

90207b0d0de380628b0dc4a0d3e94b12

Нa сeрвeрax кoмпaнии Google xрaнится дoстaтoчнo знaчитeльнaя чaсть oт всeгo мирoвoгo oбъeмa инфoрмaции. A oбрaбoткoй этoй инфoрмaции зaнимaeтся систeмa искусствeннoгo интeллeктa, пoстрoeннaя нa бaзe искусствeнныx нeйрoнныx сeтeй (artificial neural network, ANN). Oкaзывaeтся, чтo сии систeмы искусствeннoгo интeллeктa oблaдaют нeкoтoрoй тoликoй сoбствeннo вooбрaжeния, вeсьмa сильнo oтличaющeгoся с человеческого, и то, на фигли похожи «мечты», точнее образы, соответствующие восприятию искусственным интеллектом окружающего таблица, продемонстрировали в своем блоге специалисты компании Google, занимающиеся разработкой программного обеспечения.

Искусственные нейронные понцы в основном используются для обработки и идентификации изображений в сервисе Google Images. Специалисты компании занимаются постоянным обучением сих сетей, состоящих из огромного количества цифровых (моделируемых внутри компьютера) нейронов. К примеру, сообщая нейронной яруча термин «вилка», специалисты «скармливают» ей капитал картинок, на которых изображена вилка во всех ее видах. И тот и другой из 30 слоев нейронной засада извлекает из каждого изображения информацию, при этом, заковыристость информации увеличивается с каждым слоем. В конечном счете, линия определяет, что вилка — сие предмет, состоящий из ручки и двух — четырех зубцов. Ежели во время обучения ахан допускает какие-либо ошибки, ведь программисты корректируют их и запускают слушание обучения повторно.

Процесс, используемый для того обучения и для анализа изображений, дозволяется повернуть вспять, заставив систему искусственного интеллекта вызывать собственные изображения. Логика, стоящая после этим, проста, если системе известно, что же такое вилка, то ей никак не составит труда нарисовать ее изображение.

Так-таки, не все оказалось столь очевидно, даже после анализа миллионов фотографий нотбук не смог нарисовать обычную гиря, точнее, на создаваемых им изображениях гантели всегда присутствовали длинные волокнистые вещи, похожие нате руки. По всей видимости, сие является следствием того, будто на изображениях гантелей радом с ними зачастую находятся изображения рук людей, и нотбук посчитал эти элементы наполовину гантелей. Такие ошибки, возникающие при работе системы искусственного интеллекта, позволяют программистам Google постоянно совершенствовать систему и технологии обработки изображений.

Одним из видов обработки изображений является опознание объектов на этих изображениях. И тот и другой слой нейронной сети работает с изображением нате своем уровне абстракции, есть такие слои определяют границы объектов, основываясь для резких перепадах контраста, иные слои определяют формы, третьи — цвета объектов и т.д. Интересное началось раз такое дело, когда системе искусственного интеллекта подсунули изображение, получай котором нет структурированных объектов в нашем понимании, к примеру, фотоотпечаток облаков. Система обнаружила, сколько одно из облаков согласно форме напоминает птицу, и, используя все имеющиеся познания о птицах, генерируя собственное изображение, симпатия использовала повторяющиеся образы птиц различных масштабов.

Дальнейшее ров в эту тему принесло исследователям Google массу неожиданных результатов. Камни и деревья для снимках в «мыслях» системы безгранично часто превращались в здания. Листья деревьев становятся птицами и насекомыми, а челядь зачастую «обретают» собачьи головы и лица.

От случая системе на входе дали изображение, состоящее из «белого шума», сверху котором не присутствовало хоть брось осмысленной информации, система все но произвела свои собственные изображения. И сии изображения исследователи назвали «мечтами» системы искусственного интеллекта, абсолютно оригинальными отражениями того, каким видит окружающий мироздание «ум» компьютера, основываясь бери данных анализа множества снимков.

Специалисты компании Google будут возобновлять использовать подобные методы в целях того, чтобы выяснить ведь, что же на самом деле происходит во время обучения и во время работы нейронных сетей. И сии данные впоследствии могут являться использованы для создания условий, при которых нейронные яруча и основанный на них искусственный интеллект обретут частный собственный «творческий потенциал».