Diese neuronalen Netzes ist umwerfend schlecht zu beschreiben, den Weltraum

Rotfeuerfische. Petrischale. Teig. Nach einem sehr verwirrten künstliches neuronales Netz, all diese Dinge finden Sie in dem kurzen Intro, Star Trek: The Next Generation.

Die Animation ist nicht genau eine fotorealistische Darstellung des Raumes – aber es ist nah genug, dass die meisten von uns seinen Planeten, Satelliten und andere Details erkennen können. Doch als finnische YouTuber Ville-Matias Heikkilä fragte ein neuronales Netzes zu beschreiben, was es "im Intro gesehen", es mit der Klarheit eines tief betrunken Roboter reagiert, die seit 1996 in einem Schrank eingesperrt war. Raumschiff Enterprise? Das ist ein CD-Spieler. Der Star-Trek-Logo? Eine Meeresschnecke. Das Ringen um einen Planeten Saturn-Stil? Nun, das ist natürlich ein "Haarspange".

Also warum, wenn wir gesehen haben, dass so viele Beispiele für wie intelligent neuronale Netze werden können, wird es so tief hier nicht? Die Antwort ist einfach, aber erfordert ein Grundwissen wie künstliche neuronale Netze "lernen" zu sehen.

Jede neuronales Netz besteht aus Schichten von "Neuronen." Jede dieser Schichten Neuron ist verantwortlich für Entschlüsselung verschiedener Elemente eines Bildes, beginnend mit den Grundlagen und Besonderheiten über Geometrie und Farbe im Vorfeld. Wie wir bereits in diesem Sommer erklärt, lernt ein Netzwerk "sehen" bei Google (oder wen auch immer es gebaut) er ernährt sich unzählige Bilder zu entschlüsseln. Hier ist Google Team beschreibt dies folgendermaßen:

Darüber hinaus schulen wir Netzwerke einfach zeigen ihnen viele Beispiele dafür, was wir wollen, dass sie lernen, extrahieren sie das Wesen der Materie an hand der Hoffnung (z. B. eine Gabel braucht einen Handgriff und 2-4 Zinken), und lernen, zu ignorieren, was keine Rolle spielt (eine Gabel kann jede Form, Größe, Farbe oder Ausrichtung).

Denken Sie an tiefen Traum, neural Network-Algorithmus, die Google in diesem Sommer veröffentlicht? Was es "Säge" in bestehenden Bildern wurde basierend auf dem Inhalt es mit ausgebildet worden, wodurch es "sehen" Dinge, die wirklich dort waren, wie seltsame Tiere in den Himmel oder architektonische Details wo gab es sicherlich keine. Diese Dinge waren einfach alles, was, die Sie wusste.

Auch das ist hier der Fall — Fragen Sie ein neuronales Netzwerk, Raum zu beschreiben, ohne Lehre es über den Weltraum, und erhalten Sie einige sehr interessanten Antworten. Heikkiläs Video ist sehenswert einige Male. Glücklich Haar gleiten!

[Ville-Matias Heikkilä auf YouTube; h/t prothetischen wissen]

Kontaktieren Sie den Autor unter [email protected].