Google ví, že sny jsou neuronové sítě

Umělá neuronová síť Google vytvořil simulovat lidský mozek. Tento postup umožňuje rozpoznat a analyzovat různé obrazy. Poté, co vývojáři se objevily zajímavou otázku: co by se stalo, kdyby byl robot schopen snít? Taková divná otázka nevyvstala z ničeho. Je součástí projektu vytvářejí obraz hluboký sen.

„Hluboká Dream“

Vývojáři předložen konkrétní účel software. Nicméně, toto nebylo účelem rekonstrukce snů. Odborníci požádaly neuronovou síť změnu obrazu na základě původního obrazu uložením na něm několik dalších vrstev. Jak se ukázalo, že software je snadné se naučit. To znamená, že program byl schopen zlepšit funkci detekce uvedené modely.

výcvik

Ke zlepšení funkce umělých neuronových sítí, vývojáři prošli počítači více než jeden milion snímků. Bylo to pracné a časově náročná práce, protože po každém z navržených obrázků inženýrů udělal auto zdůraznit obraz nalezen na objekt. Sheer neuronová síť se skládá z několika vrstev a přesnější interpretaci hledání závisí na stupni nebo stavu. Například pro detekci jednotlivých objektů odpovídá výstupní vrstvu.

Halucinogenní kvalitní obraz

Po zvýšení funkce rozpoznání konkrétních objektů v obraze neuronové sítě čelí více obtížný úkol. Inženýři byli požádáni, aby řídit sami k vytvoření představy o určitých objektů, mezi nimiž byli pes, vidličku, hvězdice, banány a další předměty. Tento krok je plně opodstatněné samo. A nechat robota sny mají halucinogenní kvalitní definované obrázky dokáže rozpoznat lidské oko.

Konečným cílem projektu

Google se snaží zlepšovat neuronové sítě k bodu, kde bylo možné odhalit neexistující údaje o celkovém obrazu. Dá se říci, že inženýři byli schopni dívat se do podvědomí umělé inteligence. Stalo se to, když vývojáři začali nahrát obrázky v horní vrstvě neuronové sítě, ten, který se naučil rozpoznat jednotlivé objekty. Tak například, předem stanovený parametr „tvar pes v oblacích“ udělal pro simulaci sítě psí mraky. A pokaždé, když načíst výsledek vyšel lépe a lépe.

To znamená, že „Hluboce Dream“ dal počítačový možnost upravit nastavení obrazu. A to umožnilo rozpoznat objekty, které nejsou obsaženy v obraze. A teď, když žádáte o „zatažené obloze“ síť dává překvapivě cizí psy a hlemýždě.

závěr

Metody používané výzkumníky v průběhu projektu, pomáhají pochopit a představit, jak neuronová síť schopná plnit složité úkoly pro klasifikaci objektů. To vedlo ke zlepšení síťové architektury a nechá se ovládat fázi procesu učení.