Sieć neuronowa może nauczyć się organizować świat, który widzi, w koncepcje — tak jak my

Gabriel Santiago | unsplash





GAN, czyli generatywne sieci adwersarzy, to gwiazda algorytmów AI w mediach społecznościowych. Są odpowiedzialni za stworzenie pierwszego obrazu AI, jaki kiedykolwiek sprzedano w aukcja sztuki i dla nakładanie twarzy celebrytów na ciałach gwiazd porno. Działają poprzez zestawienie dwóch sieci neuronowych ze sobą, aby stworzyć realistyczne wyniki w oparciu o to, czym są karmione. Nakarm jedną dużą ilością zdjęć psa, a może stworzyć zupełnie nowe psy; karmić go wieloma twarzami, a może tworzyć nowe twarze .

Chociaż GAN są dobre w wywoływaniu psot, naukowcy z MIT-IBM Watson AI Lab zdali sobie sprawę, że GAN są również potężnym narzędziem: ponieważ malują to, co myślą, mogą dać ludziom wgląd w to, jak sieci neuronowe uczą się i rozumują. To było coś, czego szersza społeczność badawcza szukała od dłuższego czasu – i staje się coraz ważniejsze, gdy coraz bardziej polegamy na algorytmach.

Mamy szansę dowiedzieć się, co sieć wie, próbując odtworzyć świat wizualny, mówi David Bau, doktorant MIT, który pracował nad projektem.



Dlatego naukowcy zaczęli badać mechanikę uczenia się GAN, dostarczając mu różne zdjęcia scenerii — drzew, trawy, budynków i nieba. Chcieli zobaczyć, czy nauczy się organizować piksele w rozsądne grupy bez wyraźnego wyjaśnienia, w jaki sposób.

Oszałamiająco, z czasem tak się stało. Włączając i wyłączając różne neurony i prosząc GAN o namalowanie tego, co myśli, naukowcy odkryli odrębne skupiska neuronów, które nauczyły się na przykład reprezentować drzewo. Inne skupiska przedstawiały trawę, podczas gdy jeszcze inne przedstawiały ściany lub drzwi. Innymi słowy, udało się pogrupować piksele drzewa z pikselami drzewa i piksele drzwi z pikselami drzwi, niezależnie od tego, jak te obiekty zmieniły kolor ze zdjęcia na zdjęcie w zestawie szkoleniowym.

GAN wie, że nie należy malować żadnych drzwi na niebie. MIT Laboratorium Informatyki i Sztucznej Inteligencji



Te GANy uczą się pojęć bardzo przypominających koncepcje, którym ludzie dawali słowa, mówi Bau.

Nie tylko to, ale GAN wydawał się wiedzieć, jaki rodzaj drzwi malować w zależności od rodzaju ściany przedstawionej na obrazie. Namalowałby drzwi w stylu georgiańskim w budynku z cegły o georgiańskiej architekturze lub kamienne drzwi w budynku gotyckim. Odmówił również malowania jakichkolwiek drzwi na kawałku nieba. GAN bez mówienia w jakiś sposób pojął pewne niewypowiedziane prawdy o świecie.

To był duży objawienie dla zespołu badawczego. Pojawiają się pewne aspekty zdrowego rozsądku, mówi Bau. Do tej pory nie było jasne, czy istnieje jakikolwiek sposób uczenia się tego rodzaju rzeczy [poprzez głębokie uczenie się]. Że to jest możliwe sugeruje, że głębokie uczenie się może przybliżyć nas do tego, jak działają nasze mózgi, niż wcześniej myśleliśmy – choć wciąż nie jest to ani trochę zbliżone do jakiejkolwiek formy inteligencji na poziomie człowieka.



Według Bau inne grupy badawcze zaczęły szukać podobnych zachowań związanych z uczeniem się w sieciach obsługujących inne rodzaje danych. Na przykład w badaniach językowych ludzie znaleźli skupiska neuronów dla słów w liczbie mnogiej i zaimków płciowych.

Możliwość zidentyfikowania, które klastry odpowiadają jakim pojęciom, umożliwia kontrolowanie wyjścia sieci neuronowej. Grupa Bau może włączyć tylko neurony drzewa, na przykład, aby GAN malował drzewa, lub włączyć tylko neurony drzwi, aby malować drzwi. Podobnie można manipulować sieciami językowymi, aby zmienić ich wyniki — powiedzmy, aby zamienić płeć zaimków podczas tłumaczenia z jednego języka na inny. „Zaczynamy umożliwiać osobie wykonywanie interwencji w celu wywołania różnych wyników”, mówi Bau.

Zespół wydał teraz aplikację o nazwie GANpaint która zamienia tę nowo odkrytą umiejętność w narzędzie artystyczne. Pozwala na włączenie określonych skupisk neuronów, aby malować sceny budynków na trawiastych polach z dużą ilością drzwi. Oprócz tego, że jest to zabawne ujście, mówi również o większym potencjale tych badań.

Problem ze sztuczną inteligencją polega na tym, że prosząc ją o wykonanie zadania za ciebie, obdarzasz ją ogromnym zaufaniem, mówi Bau. Dajesz mu swój wkład, robi to „genialne” myślenie i daje ci trochę wyjścia. Nawet gdybyś miał eksperta od ludzi, który jest super bystry, nie tak też chciałbyś z nim pracować.

Dzięki GANpaint zaczynasz odrywać wieczko czarnego pudełka i nawiązać jakiś związek. Możesz dowiedzieć się, co się stanie, jeśli to zrobisz, lub co się stanie, jeśli zrobisz to, mówi Hendrik Strobelt, twórca aplikacji. Gdy tylko zaczniesz się tym bawić, zyskujesz większe zaufanie do jego możliwości, a także jego granic.

Skrócona wersja tej historii pojawiła się pierwotnie w naszym biuletynie AI The Algorithm. Aby otrzymać go bezpośrednio do skrzynki odbiorczej, zapisz się tutaj za darmo.

ukryć