Каталог статей

Як кислотний трип штучного інтелекту, ця нейромережа перебудовує реальність квітами та вогнем

Подібно до кислотного трипу, ця нейромережа відтворює реальність за допомогою квітів і вогню

Коли комп’ютери проявляють творчість, результати часто бувають вражаючими – як це чудово демонструє новий проект, створений художником і аспірантом з машинного навчання Мемо Актеном (Memo Akten). Подібно до таких проектів, як генератор зображень Deep Dream від Google, Актен застосовує штучні нейронні мережі для створення незвичайних візуальних ефектів. Його проект “Learning To See” використовує нейронні мережі розпізнавання зображень для інтерпретації зображень, які він бачить у прямому ефірі. У чому родзинка? Він тренував свої різні нейронні мережі виключно на дієті з нерухомих зображень води, неба, квітів або вогню, так що незалежно від того, яке зображення вони насправді бачать, вони інтерпретують його як хвилі, що розбиваються, пожежі, що ревуть, або квіти, що ростуть.

“У певному сенсі це була відповідь на бінарну поляризацію, яку ми бачимо в політичному плані у Великобританії, Сполучених Штатах і Туреччині, звідки я родом”, – розповів Актен в інтерв’ю Digital Trends. “Ідея полягає в тому, що всі ми здатні бачити світ лише через призму того, що ми бачили раніше. Ми не здатні побачити його очима інших людей, тому що ми настільки забарвлені тим, що знаємо. У випадку з цією роботою нейромережа була навчена лише на певних зображеннях – таких як хвилі, вогонь або квіти. В результаті, все, що вона бачить, вона може осмислити лише на основі власного досвіду”.

Це інтригуюча концепція, як концептуально, так і технологічно. Особливо вражає з технічної точки зору те, наскільки плавно виглядають рухи, незважаючи на те, що в Akten кажуть, що нейронні мережі тренувалися виключно на нерухомих зображеннях. Тим не менш, аналізуючи лише нерухомі зображення, ШІ наблизився до досить точного уявлення про те, як горить вогонь або рухається вода.

“З будь-якою новою технологією художники завжди будуть думати про те, як вони можуть застосувати її у своїй власній області, будь то живопис, танець, перформанс або що-небудь ще”, – продовжує Актен. “Зараз ці технології машинного навчання все ще трохи складні і недоступні для багатьох людей. Але зараз ведеться велика робота над тим, щоб перетворити ці інструменти на речі, які можуть бути використані кожним”.

Рекомендації редакторів

Source: digitaltrends.com

Exit mobile version