Искусственные нейронные сети Google созданы для имитации человеческого мозга. Эта технология позволяет распознавать и анализировать различные изображения. Однажды у разработчиков возник любопытный вопрос: что было бы, если бы робот смог мечтать? Такой странный вопрос не возник на пустом месте. Он является частью проекта по созданию изображений Deep Dream.
«Глубокая мечта»
Разработчики ставили перед программным обеспечением конкретную цель. Однако этой целью не было воссоздание снов. Специалисты запрашивали у нейронной сети изменение изображения на основе исходной фотографии путем наложения на нее нескольких других слоев. Как выяснилось, программное обеспечение легко поддается обучению. Таким образом, программа смогла улучшить функции обнаружения заданных моделей.
Тренировка
Чтобы улучшить функции искусственных нейронных сетей, разработчики пропустили через компьютер более одного миллиона изображений. Это была кропотливая и трудоемкая работа, ведь после каждого предложенного снимка инженеры заставляли машину подчеркивать узнанный на изображении объект. Сама нейронная сеть состоит из нескольких слоев, а более точная интерпретация поиска зависит от их уровня и статуса. Например, за распознавание отдельных объектов отвечает выходной слой.
Галлюциногенное качество картинки
После повышения функций распознавания конкретных объектов на изображении нейронной сети предстояла более сложная работа. Инженеры дали машине задание самостоятельно создать образы определенных объектов, среди которых были собака, вилка, морская звезда, банан и прочие предметы. Этот шаг полностью оправдал себя. И пусть мечты робота имеют галлюциногенное качество, заданные образы может распознать человеческий глаз.
Конечная цель проекта
Компания Google хочет улучшить нейронные сети до состояния, когда можно было бы распознавать несуществующие детали на общей картинке. Можно сказать, что инженерам удалось заглянуть в подсознание искусственного интеллекта. Это произошло, когда разработчики начали загружать образы в верхний слой нейронной сети, тот, который научился распознавать отдельные объекты. Так, к примеру, заданный параметр «очертания собаки в облаках» заставлял сеть моделировать из облаков пса. И при каждой последующей загрузке результат выходил все лучше и лучше.
Таким образом, «Глубокая мечта» дала компьютеру возможность самостоятельно изменять параметры изображения. А это позволило распознавать объекты, которые не содержатся на снимке. И теперь при запросе «облачное небо» сеть выдает удивительно странных собак и улиток.
Заключение
Методы, которыми пользовались ученые во время осуществления проекта, помогают понять и визуализировать, как нейронные сети способны выполнять сложные задачи по классификации объектов. Это привело к улучшению сетевой архитектуры и позволило контролировать ступени обучающего процесса.
