Jei tokią užduotį duotume žmogui, būtų gan paprasta. Įsivaizduokite, kad jums parodo daugybę šunų nuotraukų, o vėliau jūs turite apibūdinti, kaip šuo atrodo. Juk atrodo lengva, ar ne?
Mokslininkų komanda sugebėjo išmokyti specialų dirbtinio intelekto algoritmą GAN (Generative Adversial Network) būtent tokio darbo, o to rezultatas – daugybė įspūdingų ir tikroviškų gyvūnų nuotraukų. Žinoma, jei pažvelgtumėte atidžiau, suprastumėte, kad vis dėl to toms nuotraukoms kažkas negerai.
GAN algoritmas mokymosi procesą paverčia žaidimu tarp dviejų dirbtinių intelektų. Pirmasis bando atkurti vaizdus priklausomai nuo parinktos temos – pavyzdžiui, jei žodis yra „šuo“, tai jis peržvelgs tam tikrą skaičių šunų nuotraukų ir galiausiai pateiks savo sukurtą versiją.
Antrasis dirbtinis intelektas gauna užduotį atspėti, ar jam pateikiamas vaizdas yra tikras, ar sukurtas programa. Tikslas – pasiekti rezultatą, kai antrasis intelektas nebegali atskirti tikrų nuotraukų nuo sukurtų.
Šiam projektui buvo naudotas GAN modelis, tačiau... šiek tiek galingesnis. Mokslininkai dažniausiai dirbtiniam intelektui pateikia 64 vaizdus tam tikra tema, tačiau šiame projekte jie pateikė 2000 – nenuostabu, kad projektas dėl to yra pravardžiuojamas Didžiuoju GAN. Bandymas išmokyti algoritmą buvo sėkmingas, ir mokslininkai gavo jo sugeneruotų vaizdų.
Iš esmės sukurti vaizdai yra geri. Jei žvilgtumėte į juos trumpai, nieko neįprasto neįžvelgtumėte, tačiau, įsižiūrėję geriau, suprantame, kad dirbtinis intelektas dar neturi galimybės kurti vaizdus visiškai be priekaištų. Jis turi greitai atrasti ir suprasti, kokia yra matomų duomenų pagrindinė mintis, o tam reikia juos supaprastinti.
Taigi kai kurie paveiksliukai turi tarsi iš sapnų paimtų detalių, o kiti primena košmarą. Taigi, ar dabar matote, kad su šiomis nuotraukomis yra negerai? Teisingai, dirbtinis intelektas nelabai sugebėjo atspėti, kiek šuo turi kojų.
Žinoma, pasitaikė ir nuotraukų, kurios buvo tobulos, o tai – įspūdinga. Šis projektas parodo, kiek žmonės sugebėjo pažengti šioje srityje, o algoritmai vis dar bando mokytis ir suprasti, kas iš tiesų yra tiek dalykai, kuriuos mato.
Parengta pagal iflscience.comdir
