Lamele za nabiranje sira so kot punce: ponavadi sprožijo stokanje ali zvijanje oči, vendar se ljudje še vedno ne morejo upreti sestavljanju novih. Zato se morda zdi neizogibno, da je nekdo v številnih tekočih poskusih z umetno inteligenco nekdo ustvaril računalniški program, ki oblikuje pobiralne linije.
Sorodne vsebine
- Ta računalniški algoritem transformira filme v dih jemajoča umetniška dela
- Kako so se računalniki naučili igrati Nintendo
- Umetna koža bi lahko pomagala, da se protesti počutijo resnično
Rezultati, poroča Rob LeFebvre za Engadget, so čudoviti.
Raziskovalna znanstvenica Janelle Shane je učila svojo nevronsko mrežo z uporabo pikapolonic, ki jih je strgala z interneta. "Zbiranje nabora podatkov je bilo veliko bolj boleče, kot sem pričakovala, " piše na svojem blogu. "Veliko teh prej še nisem bral, večina pa je bila nespodobna ali agresivna ali žaljiva."
Na srečo je mreža ostala dokaj vljudna. Piše:
[A] čeprav je nevronska mreža ugotovila osnovne oblike "Moraš biti ... ker ..." ali "Hej, otroček, hočeš ..." se ni nikoli naučila ustvariti najslabših vrstic - večina je temeljila na igranju besed, ki ga je storila. " ne morete se reproducirati.
Shanejevo omrežje za prevzem linij temelji na odprtokodnem programu GitHub, imenovanem char-rnn. Njena mreža in drugi, ki so ji všeč, računajo modele, ki posnemajo način delovanja možganov. Zaradi tega se omrežje obnaša zelo drugače kot običajni računalnik.
Pri vsem, od prenosnih računalnikov do pametnih telefonov, centralni računalniški procesor sprejema ukaze od uporabnika, najde potrebna navodila v pomnilniku, dekodira navodila, izvede dejanje in shrani rezultate v pomnilnik. Vsi ti koraki se odvijajo po vrstnem redu in vsaka stopnja je odvisna od tega, kaj pride prej.
Ni tako v nevronski mreži (ali natančneje, v umetni nevronski mreži). Ti sistemi so sestavljeni iz kopice medsebojno povezanih "vozlišč", od katerih lahko vsaka izvede preprost korak obdelave. Številne povezave omogočajo, da vsako vozlišče reagira na kombinacijo vhodov iz drugih vozlišč. Ločenega spomina ni. Znanje je shranjeno v celotnem stanju samega omrežja. Rezultat je mreža, kjer je vsota večja od delov.
Ljudje, ki uporabljajo nevronske mreže, lahko sistem usposobijo tako, da mu naložijo veliko podatkov. Nato se mreža "nauči" vzorcev in sčasoma lahko ustvari svoj lastni rezultat.
Potem ko je svojo mrežo nahranila z vsemi čarmi, ki jih je internet lahko ponudil, je Shane pustil, da naredi svoje. Rezultati so bili "od nerazumljivega do nadrealističnega do nekako občudovanja vrednega", piše.
Obstaja kreativec: "Jaz imam osvetljevalca? Ker sem samo shranjeval vaše črve." (Hej, angleščina je težka.) Obstaja poskus sira: "Ste sveča? Ker ste tako vroči pogledi s sabo." Neposredno: "Če bi vas vprašal?" In sladka: "Tako si lepa, da se počutiš bolje, da te vidim."
Lahko bi si predstavljali nerodno simpatičnega robota, ki te črte izgovarja zmedenemu pokrovitelju. Umetnik Shobana "Bob" Appavu je naredil z nekaj ilustracijami.
Shane je usposobil isti mrežni okvir, da je predlagal recepte, Pokemon (ki jih je ilustriral drug umetnik), imena superjunakov in irske naslove.
V vsakem primeru so zgodnje iteracije ponavadi neuspehi. "Všeč mi je pri teh neuspehih, da so okno v notranjo strukturo stvari, tako kot nam optične iluzije dajejo namige o delovanju naših vizualnih sistemov, " Shane pripoveduje Davidu Covucciju v dnevniku Daily Dot . o njeni nevronski mreži, ki piše recepte.
Umetne nevronske mreže nas lahko več kot razveselijo z absurdnostjo ali napišejo grozljive božične pesmi. Prefinjene različice so pomagale paraliziranim opicam hoditi in lahko pustijo občutek, da se nosijo protetični udi.
Nekatere odvzemne linije bi lahko v resničnem življenju celo posnele. Poskusite "Videti ste kot stvar in rad vas imam" ali skoraj neuspešno "Pozdravljeni."
