Šī Ai Palīdz Jums Gleznot Tāpat Kā Van Gogs

{h1}

Jauna mākslīgā intelekta sistēma var pārvērst vienkāršas skices gleznās, kas atgādina 19. Un 20. Gadsimta izcilu mākslinieku darbus, apgalvo pētnieki.

LONDON - Jauna mākslīgā intelekta sistēma var pārvērst vienkāršas skices gleznās, kas atgādina 19. un 20. gadsimta izcilu mākslinieku darbus, apgalvo pētnieki.

Mākslīgā intelekta (AI) sistēma, saukta par Vincentu, iemācījās gleznot, "pētot" 8000 mākslas darbus no renesanses laikiem līdz pat 20. gadsimtam. Pēc sistēmas veidotāju - Apvienotajā Karalistē bāzētās pētniecības un inovācijas kompānijas Cambridge Consultants - inženieru teiktā, Vinsents ir unikāls ne tikai ar spēju radīt mākslu, kas patiesībā ir baudāma, bet arī ar spēju ātri reaģēt uz cilvēka ieguldījumu.

"Vincents ļauj jums zīmēt malas ar pildspalvu, attēla malas, kuras jūs varat iedomāties, un no šiem attēliem tas rada iespējamu gleznu, pamatojoties uz apmācību," sacīja Monty Barlow, Cambridge Consultants mašīnmācības direktors, kurš vadīja projektu. "Pastāv šīs bažas, ka mākslīgais intelekts sāks aizstāt cilvēkus, kas dara lietas viņu labā, bet Vincents ļauj cilvēkiem piedalīties lēmumos par mākslīgā intelekta radošumu." [Super-inteliģentās mašīnas: 7 robotikas nākotnes]

Daži iepriekšējie mēģinājumi radīt AI ģenerētu mākslu deva diezgan baisus rezultātus, piemēram, cilvēku portreti, ko uzzīmēja rīks Pix2Pix, kuru šī gada sākumā ieviesa Nīderlandes sabiedriskā raidorganizācija NPO. Par sākumpunktu Pix2Pix izmantoja cilvēku uzzīmētās skices un mēģināja tās pārvērst par to, kas ir domāts kā sievietes sejas eļļas glezna. Darbi tomēr izskatījās vairāk kā tie, kas tika izvilkti no šausmu filmas.

Kaut arī Vinsenta māksla neizskatās pilnīgi reālistiska, tā varētu attiekties uz dažiem abstraktākiem impresionisma vai ekspresionisma laikmeta meistaru darbiem, piemēram, Vinsenta van Goga vai Edvarda Munga.

"Tā ir iemācījusies kontrastu, krāsu un otu sitienus," Bārlovs pastāstīja WordsSideKick.com šeit Re.Work padziļinātas apmācības samitā 22. septembrī, kur pirmo reizi tika prezentēts Vincents. "Tas viss var spēlēt, kad jūs zīmējat attēlu, dodot jums piekļuvi visam mākslinieciskajam saturam."

Mācot Vincentu

Bārlovs sacīja, ka tikai 8000 mākslas darbu izmantošana Vincenta apmācībā pati par sevi ir nozīmīgs sasniegums. Iepriekš līdzīgai sistēmai vajadzēja miljoniem vai pat miljardiem paraugu, lai iemācītos krāsot.

"Lielākā šodien izmantotā mašīnmācība ir saistīta ar partiju un daudz piemēru klasificēšanu un ievietošanu sistēmā," sacīja Bārlovs. "To sauc par uzraudzītu mācīšanos. Jums tiek parādīts, piemēram, miljons sejas fotoattēlu un miljons fotoattēlu, kas nav seja, un tā iemācās atklāt sejas."

Vinsents izmanto sarežģītāku paņēmienu, kas ļauj mašīnai iemācīt sevi automātiski, bez pastāvīgas cilvēku iemaņas. Vincenta spēju pamatā esošās sistēmas pamatā ir tā sauktais ģeneratīvais sacīkstes tīkls, kas pirmo reizi tika aprakstīts 2014. gadā. Metode izmanto divus neironu tīklus, kas konkurē viens ar otru. Sākumā abi tīkli tiek apmācīti, piemēram, par putnu attēliem. Pēc tam vienam tīklam ir uzdots radīt vairāk putnu attēlu, kas pārliecinātu otru tīklu, ka tie ir īsti. Pakāpeniski pirmais tīkls labāk iegūst reālistiskus attēlus, bet otrais - labāk, pieļaujot viltojumu novēršanu, norāda pētnieki.

"Vincentam mums bija jāapvieno vairāki no šiem tīkliem diezgan sarežģītā shēmā," sacīja Bārlovs. "Ja jūs mums pirms pieciem gadiem pajautātu, cik daudz mākslas mums vajag šīs sistēmas apmācībai, mēs būtu domājuši, ka varbūt miljons reizes vairāk."

Mācīšanās paņēmieni

Lai paātrinātu mācīšanos, pētnieki laiku pa laikam turpināja sniegt mašīnai atgriezenisko saiti par tā radītā darba kvalitāti. [Galerija: slēptie dārgakmeņi renesanses mākslā]

Nepieciešamība pēc ārkārtīgi lielām datu kopām, lai iegūtu ticamus rezultātus, ir liels šķērslis AI sistēmu izmantošanai praktiskos pielietojumos. Tāpēc pētnieki mēģina izstrādāt jaunas tehnikas, kas ļautu mašīnām ātrāk mācīties dažādos veidos.

Bārlovs sacīja, ka tāda sistēma kā aiz Vincenta varētu, piemēram, palīdzēt iemācīt pašbraucošām automašīnām, kā labāk veikt gājēju pamanīšanu.

"Ja vēlaties, lai autonoma automašīna droši noteiktu gājējus, jums nevar būt tikai sejas detektoru, jo reklāmas stendos, autobusu sānos var būt sejas, un tāpat daži gājēji, iespējams, valkā kapuci vai staigā pa ēna; jūs pat neredzētu viņu seju, "sacīja Bārlovs. "Lai pat apmācītu sistēmu, kas droši nolemj, ka uz ceļa notiek kaut kas bīstams - ka kāds ir izgājis -, jums ir nepieciešams smieklīgs skaits piemēru dažādos laika apstākļos un apgaismojumā, ar dažādiem cilvēkiem un augstumu."

Pēc Barlova vārdiem, gandrīz neiespējami savākt tik milzīgu datu daudzumu. Tādas sistēmas kā Vincents varēja izmantot savas radošās spējas, lai no ierobežotas datu kopas ģenerētu vairāk attēlu. Sistēma ar nelielu cilvēku palīdzību iemācītos sintezēt reālistiskus attēlus un pēc tam iemācītu sevi ticami novērtēt visa veida reālās dzīves scenārijus.

"Tas ir virtuāls loks, kurā mašīnmācīšanās ne tikai var darīt dažas pārsteidzošas lietas, bet arī pats par sevi palīdz virzīt mašīnmācības progresu," sacīja Bārlovs.

Oriģināls raksts par WordsSideKick.com.


Video Papildinājums: .




LV.WordsSideKick.com
Visas Tiesības Aizsargātas!
Pavairošana Materiālu Atļauts Tikai Prostanovkoy Aktīvu Saiti Uz Vietni LV.WordsSideKick.com

© 2005–2020 LV.WordsSideKick.com