Indhold
Google Labs har udgivet en meget interessant blog om brug af neurale netværk, der blev uddannet til at genkende objekter til i stedet male andre objekter.
Vi træner et kunstigt neuralt netværk ved at vise det millioner af træningseksempler og gradvist justere netværksparametrene, indtil det giver de klassifikationer vi ønsker. Netværket består typisk af 10-30 stablede lag kunstige neuroner. Hvert billede indføres i indgangslaget, som derefter taler til det næste lag, indtil der til sidst "output" -lag opnås. Netværkets "svar" kommer fra dette sidste outputlag.
De kalder denne "startisme", og resultaterne er mere end lidt bizarre. De følgende dias viser resultaterne af forskellige neurale netværk "male" de ting, de blev trænet på, selvom kilden ikke er relateret eller endda tilfældige data. Den underliggende mekanik er ret kompleks, men forestil dig, at du ser, hvordan et neuralt netværk "ser" verden.
NæsteSkyarrow
Det er ret simpelt, men netværket blev bedt om at finde hver pil.
Ridder
På baggrund af et billede af en ridder finder dette neurale netværk, hvad det blev uddannet på hele stedet: dyr i vid udstrækning!
Animal Countryside
Dette ligner et landskab, men det er lavet af en sindssyg vifte af dyr og dyreliv.
Hundeskrig
Edward Munchs ikoniske stykke går til hundene. Øjnene overalt er mere end lidt foruroligende.