Nėra abejonių, kad mūsų rūšį sapnai veikia – mūsų gebėjimas rasti netikėtas naujas struktūras triukšme daro mus žmonėmis ir dar kūrybingais.
Gal būtent dėl to rinkinys neįtikėtinai primenančių sapnus vaizdų, kuriuos neseniai paskelbė „Google“, kelia tokią sumaištį. Šiuos vaizdus „susapnavo“ kompiuteriai.
„Google“ šių atvaizdų sukūrimo techniką vadina „incepcionizmu“, o ir vaizdai įvairiausi, nuo gražių iki keistų.
Tad kas čia vyksta? Vaizdų atpažinimo technologijos ir algoritmai nuolat tobulėja. Jiems pateikus milijonus pažymėtų atvaizdų („katė“, „karvė“, „kėdė“, etc.), jie išmoksta atpažinti ir identifikuoti objektus net nepavadintuose paveikslėliuose. Anksčiau šiais metais „Google“, „Microsoft“ ir „Baidu“ paveikslėlius atpažino geriau nei žmonės.
Šiuo atveju „Google“ procesą apvertė. Jie liepė savo programinei įrangai generuoti atvaizdus, naudojant dirbtiniame neuronų tinkle (DNT) jau saugomą informaciją.
Programinei įrangai leidus laisvai interpretuoti užklausas, ji sukūrė anksčiau neegzistavusius vaizdus ir struktūras (dažnai – jau matytų vaizdų mišrainę).
Kartais ji interpretuodavo lapus kaip paukščius, o medžius – kaip pastatus. Kartais kurdavo keistus įsivaizduojamus gyvūnus debesyse – „admirolą–šunį“, „kiaulę–sraigę“, „kupranugarį–paukštį“ ar „šunį–paukštį“.
Tai kiek primena mūsų pačių kūrybingumą. Mes paimame įspūdžius, sumaišome juos galvoje ir kuriame sudėtingas idėjas – kai kurios iš jų beprasmės, kai kurios aiškesnės. Bet ar tai tas pat?
Paprastas atsakymas: žinoma, ne.
Tai – Alano Turingo pateiktas „Lady Lovelace“ prieštaravimas. Ada Lovelace, poeto Lordo Bairono duktė, parašė ankstyviausią apibūdinimą to, ką dabar pavadintume modernaus universalaus kompiuterio programine įranga ir programavimu. Ir ji abejojo, ar mašinų kūrybiškumas kada nors bus įmanomas.
„Analitinė mašina neturi pretenzijų ką nors pradėti, – rašė A.Lovelace. – Ji gali atlikti bet ką, ką žinome, kaip nurodyti atlikti. Ji gali analizuoti, bet ji neturi galių tikėtis kokių nors analitinių sąryšių ar tiesų.“
Paprasčiau sakant, mašinos daro tai, ką mes joms liepiame. Nieko daugiau.
A.Turingas perfrazavo A.Lovelace prieštaravimą kaip „mašina niekada negali mūsų nustebinti“. Ir su tuo nesutiko. Jis sakė, kad jo mašina jį dažnai nustebindavo – dažniausiai todėl, kad jis suprato vidinę sandarą bendrais bruožais. Bet praktikoje specifika dažnai pateikdavo stulbinančius rezultatus.
„Google“ šį eksperimentą atliko todėl, kad menkai suprantama, kodėl tam tikri modeliai veikia, o kiti – ne. Kitaip tariant, mes turime bendrą idėją, tačiau dažnai nežinome, kas vyksta kiekviename proceso žingsnyje.
DNT, daugiau ar mažau paremti žmogaus smegenimis, sudaryti iš hierarchinių dirbtinių neuronų sluoksnių. Kiekvienas sluoksnis atsako už vis abstraktesnių atvaizdo komponentų atpažinimą. Pavyzdžiui, pirmasis sluoksnis skirtas kraštų ir kampų aptikimui. Kitas sluoksnis gali ieškoti bazinių formų – ir taip iki galutinio sluoksnio, kur abstrakčiai peršokama prie „šakutės“ ar „pastato“.
Atvirkštinis algoritmo vykdymas yra būdas išsiaiškinti, ką jie išmoko.
Vienoje eksperimento dalyje tyrėjai liepė algoritmui sukurti konkretų atvaizdą, tarkime, banano koncepciją atsitiktiniame triukšme (tarkime, jokios stoties nerodančio televizoriaus ekrano „sniege“). Tai buvo būdas nustatyti, kaip ji atpažįsta bananus. Vienu atveju, paprašyta sugeneruoti svarmenį, programinė įranga vis rodydavo svarmenį rankoje.
„Šiuo atveju tinklas nesugebėjo visiškai išgryninti svarmens esmės, – tinklaraštyje rašė „Google“ inžinieriai. – Gal jam niekada nebuvo rodytas svarmuo be jį laikančios rankos. Vizualizacija gali padėti mums ištaisyti tokius treniruočių neatitikimus.“
Kai jie leido algoritmui įsidėmėti atvaizdą ir laisvai asocijuoti, tapo įdomiau. Gautų rezultatų abstraktumas priklausė nuo to, kurio DNT sluoksnio buvo klausiama.
Pirmasis, mažiausiai abstraktus sluoksnis, išryškino kraštus. Rezultatai priminė ornamentus. Kažką panašaus, tikriausiai, esate matę fotografijų apdorojimo programėlėse. Bet aukštesniuose sluoksniuose pasirodė abstraktesni bruožai. Tada jie buvo dar labiau pabrėžiami, atgaliniu ryšiu.
Iš vienos pusės, šie vaizdai yra rezultatas to, ką mašina rado savo duomenų bazėse, vykdydama programuotojo nurodymus. Visai kaip pastebėjo A.Lovelace. Tačiau jie, be abejonės, yra stebinantys, kaip sakė A.Turingas.
Ko gero, labiausiai stebina tai, kaip šie vaizdai primena kažką, ką galėtume sukurti ir mes – svajotojai, debesyse įžvelgiantys keisčiausias formas, ar menininkai, kuriantys netikėčiausių derinių vaizdus.
Šį eksperimentą norėtųsi išplėsti.
Kas nutiks, kai programos paims vaizdus, tekstą, kitus jutiminius duomenis, panašius į mūsų potyrius? Ar gali toks procesas paskatinti juos „permaišyti“ šiuos potyrius ir kurti originalias idėjas? Kur nubrėšime liniją tarp žmogaus ir mašinos kūrybingumo?
Tai uždaro rato debatai ir tokio skirtumo vienareikšmiškai apibrėžti neįmanoma.
Kompiuteriams vis geriau pažįstant abstrakčias koncepcijas, jie padės mokslininkams ar menininkams rasti naujų idėjų. Ir gal mes naujai pažvelgsime bei pažinsime savo pačių kūrybiškumą.
O kol kas galime mėgautis šiais pirmais stebinančiais žingsneliais.
Parengta pagal Singularityhub.com inf.
