Inhoud
Google Labs heeft een zeer interessante blog gepubliceerd over het gebruik van neurale netwerken die zijn getraind in het herkennen van objecten om in plaats daarvan andere objecten te verven.
We trainen een kunstmatig neuraal netwerk door miljoenen trainingsvoorbeelden te laten zien en de netwerkparameters geleidelijk bij te stellen totdat het de classificaties geeft die we willen. Het netwerk bestaat typisch uit 10-30 gestapelde lagen van kunstmatige neuronen. Elke afbeelding wordt ingevoerd in de invoerlaag, die vervolgens met de volgende laag praat, totdat uiteindelijk de "uitvoer" -laag wordt bereikt. Het "antwoord" van het netwerk komt van deze laatste uitvoerlaag.
Ze noemen dit 'inceptionisme' en de resultaten zijn meer dan een beetje bizar. De volgende dia's tonen de resultaten van verschillende neurale netwerken die het onderwerp waarop ze zijn getraind "schilderen", zelfs als de bron geen verband houdt, of zelfs willekeurige gegevens. De onderliggende mechanica zijn behoorlijk ingewikkeld, maar stel je voor dat je ziet hoe een neuraal netwerk de wereld "ziet".
volgendeSkyarrow
Dit is vrij eenvoudig, maar het netwerk werd gevraagd om elke pijl te vinden.
Ridder
Gegeven een foto van een ridder, vindt dit neurale netwerk waar het op is getraind: dieren in overvloed!
Animal Countryside
Dit lijkt op een landschap, maar het is gemaakt van een krankzinnig scala aan dieren en dieren in het wild.
Hond schreeuwt
Het iconische stuk van Edward Munch gaat naar de honden. De ogen overal zijn meer dan een beetje verontrustend.