15 kamangha-manghang bagay na natutunan ng mga neural network na gawin

2024 May -akda: Malcolm Clapton | [email protected]. Huling binago: 2023-12-17 04:13

Mula sa pagmamaneho ng kotse hanggang sa paglikha ng mga obra maestra.

Ang neural network ay isang artipisyal na katalinuhan na may kakayahang matuto sa sarili. Sa ilang anyo, umiral ang mga katulad na programa sa teknolohiyang Neurocomputer: teorya at kasanayan noong dekada otsenta, ngunit ang lugar na ito ay tumanggap ng lalong mabilis na pag-unlad noong 2015. Ang mga nangungunang unibersidad tulad ng Massachusetts at Oxford, pati na rin ang malalaking korporasyon, gaya ng Google, ay nagsimulang aktibong galugarin ang mga posibilidad ng mga neural network.

Ngayon ang mga teknolohiyang ito ay magagamit sa sinuman. At ang sangkatauhan ay nakabuo na ng dose-dosenang pinaka nakakabaliw at kakaibang mga aplikasyon para sa mga naturang programa. Narito ang ilan sa kanila.

1. Pagdating sa mga mukha ng mga di-umiiral na tao

Ang mga taong nakikita mo sa larawan sa itaas ay mukhang makatotohanan, ngunit hindi sila umiiral. Ang kanilang mga larawan ay lumikha ng Progresibong paglaki ng mga GAN para sa pinabuting

kalidad, katatagan at pagkakaiba-iba ng neural network mula sa NVIDIA. Ang programa ay sinanay sa mga tunay na larawan ng mga kilalang tao, at bilang isang resulta, natutunan nito kung paano bumuo ng maaasahang mga larawan ng mga mukha. Maaari mong suriin para sa iyong sarili kung gaano niya ito ginagawa.

2. Basahin nang malakas

Mayroong maraming mga teknolohiya para sa pag-synthesize ng pagsasalita gamit ang mga neural network. Para sa layuning ito, mayroong mga programa para dito, halimbawa, at "". Ang pananalita na ginawa sa ganitong paraan ay tuluy-tuloy at makatotohanan, at maraming gamit ang paraang ito, mula sa mga dubbing application para sa mga may kapansanan sa paningin hanggang sa paggawa ng mga audiobook sa mababang halaga.

3. Magmaneho ng mga kotse

Nakikita ng maraming kumpanya ang mga self-driving na sasakyan bilang hinaharap ng transportasyon. Ang Audi, Uber, Google, Tesla, Yandex at maraming iba pang mga korporasyon ay may sariling mga pag-unlad sa lugar na ito. Halos wala sa mga teknolohiyang ito ang kumpleto nang walang neural network. Tinutulungan nila ang mga sasakyan na matukoy kung nasaan ang mga marka, palatandaan, iba pang sasakyan at pedestrian sa kalsada at gumawa ng mga desisyon batay sa data na ito.

4. I-recover ang kulay ng mga larawan at video

Ang mga siyentipiko mula sa Waseda University sa Tokyo ay bumuo ng Let there be color! isang programa na gumagawa ng mga itim at puting litrato at video na may kulay. Natutunan ng neural network na tukuyin ang mga karaniwang motibo sa mga larawan (karaniwang asul ang langit, berde ang mga puno, at iba pa) at magpinta ng mga bagay sa naaangkop na mga kulay.

5. Tingnan ang mga mukha ng aso sa lahat ng dako

Isa sa mga unang teknolohiya ng neural network na naging available sa malawak na audience ay ang Inceptionism Inceptionism ng Google noong 2015. Pinoproseso niya ang mga imahe, nagdagdag ng mga silhouette ng mukha ng aso, pagoda at arko sa kanila. Nagsimulang ipasa ng mga netizens ang kanilang mga larawan, sikat na painting, video at pelikula sa pamamagitan ng programa - ito ay naging hindi pangkaraniwan at katakut-takot.

6. Sumulat ng musika

Ang anumang uri ng digital na impormasyon ay maaaring i-load sa mga neural network, kabilang ang musika. Sinasanay ng ilang mananaliksik ang kanilang mga programa sa himig ng mga sikat na kompositor. Ang mga kompyuter ay hindi pa nakakagawa ng makabuluhang mga komposisyon, ngunit kinokopya nila ang mga istilo ng mga musikero nang maayos.

7. Magsabi ng kahit ano sa mga pulitiko

Ang isa sa mga pinakanakakatakot na paggamit ng mga neural network ay ang synthesis ng video, lalo na sa mga pampublikong pigura. Halimbawa, binuo ng mga siyentipiko sa Unibersidad ng Washington ang Synthesizing Obama: Learning Lip Sync mula sa Audio, isang programa na bumubuo ng mga galaw ng labi ni Barack Obama batay sa mga audio recording at pinapalitan ang mga ito sa video. Ito ay lumalabas na napaka maaasahan.

8. Maglakad

Nagsagawa ng eksperimento ang subsidiary ng Google na DeepMind. Tatlong magkakaibang virtual figure - isang humanoid, isang stick na may dalawang paa, at isang bola na may apat na paa - ay kailangang matutong maglakad. Wala silang impormasyon tungkol sa kung paano ito ginagawa - ang gawain lamang ng pagkuha mula sa isang punto patungo sa isa pa at mga sensor na makakatulong na matukoy ang kanilang posisyon sa kalawakan. Pagkatapos ng daan-daang oras ng pagsasanay, lahat ng tatlong figure ay natutong maglakad, tumakbo, tumalon at lumipat sa hindi pantay na ibabaw.

9. Kontrolin ang mga robot

Ang mga teknolohiyang batay sa mga neural network ay malawakang ginagamit sa robotics. Halimbawa, ang isang robot na nilikha ng Disney Research Institute ay maaaring sumulong na may isa, dalawa, at tatlong paa. At ang delivery robot mula sa Starship Technologies ay ang mag-navigate sa mga kalye, pag-iwas sa mga hadlang at pedestrian.

10. Kilalanin ang pandaraya at katiwalian

Ang isa sa mga pangunahing pag-andar ng mga neural network ay ang pagkilala ng pattern, kabilang ang mga ugnayan sa pagitan ng mga kaganapan. Ito ay lubhang kapaki-pakinabang sa larangan ng pananalapi: maaari mong hulaan ang ilegal na aktibidad bago ito mangyari. Halimbawa, sa Spain, nilikha ng mga siyentipiko ang Predicting Public Corruption with Neural Networks: An Analysis of Spanish Provinces, isang programa na tumutulong sa pagtuklas ng katiwalian sa mga lalawigan ng bansa. At ang ilang mga bangko ay bumubuo ng Citi Ventures Deploys Machine Learning At Artificial Intelligence With People at gumagamit ng mga system na kinikilala ang pandaraya sa credit card.

11. Isalin ang teksto sa isang imahe sa real time

Ang tampok na real-time na pagsasalin ng teksto ay lumitaw sa Google Translate sa loob ng mahabang panahon, ngunit kakaunti ang nakakaalam na ginagamit nito ang Paano pinipiga ng Google Translate ang malalim na pag-aaral sa mga neural network ng telepono. Sa kanilang tulong, kinikilala ng programa ang mga titik at iba pang mga simbolo sa mga imahe, kahit na sila ay malabo, pinaikot sa paligid ng kanilang axis, inilarawan sa pangkinaugalian o pangit. Pagkatapos ay inilalagay ng application ang mga ito sa mga salita at pangungusap, isinasalin at i-proyekto ang mga ito sa larawan. At lahat ng ito sa isang segundo.

12. Maglipat ng istilo ng sining mula sa isang larawan patungo sa isa pa

Noong 2016, ilang kumpanya ang nagpakita ng mga teknolohiya para sa pagpoproseso ng imahe sa iba't ibang artistikong istilo. Lumitaw ang mga app tulad ng Prisma, DeepArt at Ostagram. Pinapayagan ka ng Prisma na pumili mula sa ilang daang pre-made na mga filter, at Ostagram at DeepArt - maaari kang mag-upload ng isang larawan o larawan sa iyong sarili, na magsisilbing isang mapagkukunan ng estilo.

13. Gawing makatotohanang mga painting ang magaspang na sketch

Noong unang bahagi ng 2019, ipinakita ng NVIDIA ang Stroke of Genius: GauGAN Turns Doodles into Stunning, isang Photorealistic Landscapes program na ginagawang magagandang detalyadong larawan ang mga larawan mula sa ilang simpleng hugis. Gumagawa ang gumagamit ng ilang mga stroke, at ang neural network ay lumilikha ng isang imahe mula dito, na mula sa malayo ay hindi maaaring makilala mula sa isang tunay na canvas ng ilang pintor ng landscape. Dagat, bato, lungsod, kagubatan, ulap - dose-dosenang iba't ibang mga bagay ang maaaring idagdag sa larawan. Ang neural network kahit mismo ang nagpapasiya kung saan kailangan ang mga anino o pagmuni-muni.

14. Magbasa ng mga labi

Ang mga siyentipiko sa Google at Oxford University ay lumikha ng LipNet na teknolohiyang LipNet, na gumagamit ng mga neural network upang basahin ang mga labi. At ginagawa niya ito nang mas tumpak kaysa sa isang tao. Sa karaniwan, ang mga taong may kapansanan sa pandinig ay nagbabasa ng mga labi na may 52% katumpakan, at LipNet na may 88% na katumpakan.

15. Sumulat ng mga teksto

Itinuro ng mga tao ang mga neural network at kung paano gumawa ng text. Ang mga programa ay isinulat ng Deep-speare: A Joint Neural Model of Poetic Language, Meter and Rhyme poems, maikling kwento, pekeng teksto para sa Wikipedia, mga script para sa mga serial (halimbawa, para sa Friends).

At noong 2016, inilabas ang unang maikling pelikula sa mundo na Sunspring, ang script kung saan isinulat ng artificial intelligence. Ang sinehan ay ganap na walang kahulugan: ang mga computer ay nagpupumilit pa ring lumikha. Ngunit sino ang nakakaalam, baka pagkatapos ng ilang taon ay mababawasan ang propesyon ng isang screenwriter sa pag-edit ng mga gawa na nilikha ng isang makina.