Google wit dat dreamen binne in neural netwurk

Keunstmjittich neural netwurk Google skepen te simulate it minsklik brein. Dizze technyk makket it mooglik om te erkennen en analysearjen de ferskate ôfbyldings. Ea ûntwikkelers ûntstien nijsgjirrige fraach: wat soe barre at de robot koe dreame? Sa'n frjemde fraach net ûntstien út it neat. It is ûnderdiel fan it projekt te meitsjen fan de ôfbyldings Djip Dream.

"Deep Dream"

Developers sette foar de software spesifike doel. Mar dit wie net it doel fan rekonstruksje fan dreamen. Eksperts hawwe frege neural netwurk image feroaring oan 'e basis fan' e orizjinele foto troch it oplizzen op in pear oare lagen. Sa die bliken út, de software is maklik om te learen. Sa, it programma koe ferbetterjen detection funksje oantsjutte modellen.

training

Om ferbetterjen de funksje fan keunstmjittich neural netwurken, ûntwikkelers hawwe trochjûn troch de kompjûter mear as ien miljoen bylden. It wie in dreech en tiidslinend wurk, want nei elk fan de foarnommen foto yngenieurs makken de auto te beklamje de ôfbylding fûn op it foarwerp. Sheer neural netwurk bestiet út meardere lagen, en in krekter ynterpretaasje fan it sykjen is ôfhinklik fan it nivo of status. Bygelyks, foar it opspoaren fan yndividuele foarwerpen oerienkomt útfier laach.

Hallucinogenic kwaliteit pictures

Nei't tanimmende erkenning funksjes fan spesifike objekten yn it byld fan 'e neural netwurk tsjinoer in dreger baan. Yngenieurs waarden frege om te riden josels te meitsjen bylden fan bepaalde foarwerpen, ûnder dêr't wienen in hûn, vork, lauznis, banaan en oare items. De ferhuzing hat folslein rjuchtfeardige himsels. En lit de robot dreamen hawwe in hallucinogenic kwaliteit definiearre ôfbyldings kinne werkenne it minsklik each.

It úteinlike doel fan it projekt

Google siket om it ferbetterjen fan de neural netwurk nei it punt dêr't it wie mooglik op te spoaren net-besteand Details op it algemiene byld. Wy kinne sizze dat de yngenieurs wienen by steat om te sjen yn it ûnderbewuste fan keunstmjittige yntelliginsje. En it barde, do't ûntwikkelers begûnen te laden fan de ôfbyldings yn de boppeste laach fan 'e neural netwurk, ien dy't leard hat te werkenne yndividuele foarwerpen. Dus, bygelyks, in foarbeskaaide parameter "in hûn foarm yn de wolken" makke te huchelje in netwurk fan hûn wolken. En eltse kear as jo lade it resultaat kaam út better en better.

Sa, de "Djip Dream" joech de kompjûter de mooglikheid om te feroarjen de ôfbylding ynstellings. En it hat tastien te erkennen foarwerpen, dy't net oanwêzich is yn it byld. En no, as jo freegje "Wolkenhimmel" Netwurk jout in ferrassend frjemde hûnen en slakken.

konklúzje

De metoaden brûkt troch de ûndersikers yn it projekt, helpe te begripen en fisualisearjen hoe't in neural netwurk by steat útfieren kompleks taken foar foarwerp klassifikaasje. Dat hat laat ta it ferbetterjen fan it netwurk arsjitektuer en meie kontrolearjen stadium fan it learproses.