Google იცის, რომ ოცნება ნეირონული ქსელის

ხელოვნური ნეირონული ქსელი Google ის სიმულაცია ადამიანის ტვინი. ეს ტექნიკა საშუალებას აღიაროს და ანალიზი სხვადასხვა images. მას შემდეგ, რაც დეველოპერები გაჩნდა საინტერესო კითხვას: რა მოხდება, თუ რობოტი შეძლო ოცნება? ასეთი უცნაური კითხვა არ წარმოიქმნება აქედან არსად. ეს არის ნაწილი პროექტის შექმნა, სურათებით Deep Dream.

"Deep ოცნების"

დეველოპერები დააყენა ადრე პროგრამული უზრუნველყოფა კონკრეტული მიზნით. თუმცა, ეს არ იყო იმ მიზნით, რომ რეკონსტრუქცია ოცნება. ექსპერტები არ მოითხოვა ნერვული ქსელის სურათის ცვლილება საფუძველზე ორიგინალური სურათი დაკისრების მასზე რამდენიმე სხვა ფენებს. როგორც აღმოჩნდა, პროგრამული უზრუნველყოფა ადვილად სწავლობენ. ამგვარად, პროგრამა შეძლო გაუმჯობესების გამოვლენის ფუნქციის მითითებული მოდელები.

სასწავლო

იმისათვის, რომ გააუმჯობესოს ფუნქცია ხელოვნური ნეირონული ქსელების, დეველოპერები არ გაიარა კომპიუტერული მილიონზე მეტი images. ეს იყო ძალიან შრომატევადი და შრომატევადი სამუშაო, რადგან მას შემდეგ, რაც თითოეული შემოთავაზებული სურათები ინჟინრები გააკეთა მანქანა აღვნიშნო იმიჯი ნაპოვნი ობიექტი. გამჭვირვალე ნერვული ქსელი შედგება მრავალი ფენების, და უფრო ზუსტი ინტერპრეტაცია ძებნის დამოკიდებულია დონეზე ან მდგომარეობა. მაგალითად, გამოვლენის ცალკეული ობიექტების შეესაბამება გამომავალი ფენას.

Hallucinogenic ხარისხის სურათები

გაზრდის შემდეგ აღიარება ფუნქციების კონკრეტული ობიექტების გამოსახულება ნერვული ქსელის წინაშე უფრო რთული სამუშაო. Engineers დაისვა მანქანა თავს შექმნათ გამოსახულება გარკვეული ობიექტები, რომელთა შორის იყო ძაღლი, ჩანგალი, Starfish, ბანანის და სხვა ნივთები. ნაბიჯი სრულად გაამართლა. და მოდით robot ოცნება აქვს hallucinogenic ხარისხის განსაზღვრული images შეიძლება აღიაროს ადამიანის თვალი.

საბოლოო მიზანი

Google ეძებს გასაუმჯობესებლად ნერვული ქსელის იმ წერტილში, სადაც შესაძლებელი იყო, რომ აღმოაჩინოს არარსებული დეტალები საერთო სურათი. შეიძლება ითქვას, რომ ინჟინრები შეძლეს გამოიყურება შევიდა ქვეცნობიერი ხელოვნური ინტელექტი. ეს მოხდა, როდესაც დეველოპერები დაიწყო ჩატვირთვა სურათები ზედა ფენის ნერვული ქსელი, რომელიც ცნობილი გახდა, რომ აღიაროს ინდივიდუალური ობიექტები. ასე, მაგალითად, წინასწარ პარამეტრი "ძაღლი ფორმის ღრუბლები" გააკეთა სიმულაცია ქსელი ძაღლი clouds. და ყოველ ჯერზე თქვენ ჩატვირთვა შედეგი გამოვიდა და უკეთესი.

ამდენად, "Deep ოცნების" მისცა კომპიუტერული უნარი შეცვალოს გამოსახულების პარამეტრები. და მას აქვს საშუალება, აღიარებს ობიექტები, რომლებიც არ შეიცავს გამოსახულება. და ახლა, როდესაც თქვენ მოითხოვოს "მოღრუბლული ცის" ქსელის იძლევა საოცრად უცნაური ძაღლი და ლოკოკინები.

დასკვნა

გამოყენებული მეთოდები მკვლევარების მიერ პროექტის, ეხმარება გაგება და ვიზუალურად როგორ ნეირონული ქსელის შეუძლია ასრულებენ რთული ამოცანები ობიექტის კლასიფიკაციით. ეს გამოიწვია გაუმჯობესებას ქსელის არქიტექტურა და დაშვებული კონტროლი ეტაპზე სასწავლო პროცესში.