Google vet att drömmar är ett neuralt nätverk

Artificiella neurala nätverk Google skapades för att efterlikna den mänskliga hjärnan. Denna teknik gör det möjligt att känna igen och analysera de olika bilderna. När utvecklare har dykt intressant fråga: vad skulle hända om roboten kunde drömma? En sådan konstig fråga inte uppstå ur ingenstans. Det är en del av projektet för att skapa bilderna Djupt Dream.

"Djup Dream"

Utvecklare föreläggas programvaran specifika ändamål. Men detta var inte syftet med rekonstruktionen av drömmar. Experter har begärt neurala nätverk bildbyte på grundval av den ursprungliga bilden genom att påtvinga det några andra lager. Som det visade sig, är programvaran lätt att lära sig. Således programmet kunde förbättra funktionsdetektering specificerade modeller.

utbildning

För att förbättra funktionen av artificiella neurala nätverk, har utvecklarna gått igenom datorn mer än en miljon bilder. Det var en mödosam och tidskrävande arbete, eftersom efter varje av de föreslagna bilder ingenjörer gjort bilen för att understryka bilden finns på objektet. Sheer neuralt nätverk består av flera lager, och en mer korrekt tolkning av sökning beror på nivån eller status. Till exempel, för detektering av individuella objekt motsvarar utgångsskikt.

Hallucinogena kvalitet bilder

Efter att ha ökat erkännande funktioner specifika objekt i bilden av det neurala nätverket inför en svårare uppgift. Ingenjörer ombads att köra själv för att skapa bilder av vissa föremål, bland vilka var en hund, gaffel, sjöstjärnor, banan och andra objekt. Flytten har fullt motiverat sig. Och låt roboten drömmar har en hallucinogen kvalitet definierade bilder kan känna igen det mänskliga ögat.

Det slutliga målet med projektet

Google är ute efter att förbättra det neurala nätverket till den punkt där det var möjligt att upptäcka obefintlig information om helheten. Vi kan säga att ingenjörerna kunde undersöka det undermedvetna av artificiell intelligens. Det hände när utvecklare började att ladda bilderna i det övre skiktet av det neurala nätverket, en som har lärt sig att känna igen enskilda objekt. Så, till exempel, en förutbestämd parameter "en hund form i molnen" göras för att simulera ett nätverk av hund moln. Och varje gång du laddar resultatet kom ut bättre och bättre.

Således "Djup Dream" gav datorn möjlighet att ändra bildinställningarna. Och det har gjort det möjligt att känna igen objekt som inte finns i bilden. Och nu, när du begär "molnig himmel" nätverk ger en överraskande främmande hundar och sniglar.

slutsats

De metoder som används av forskarna under projektet, hjälper till att förstå och visualisera hur ett neuralt nätverk kan utföra komplexa uppgifter för objektklassificering. Detta har lett till en förbättring av nätverksarkitektur och får styra steg i inlärningsprocessen.