A2A
Contestaré su pregunta sobre el propósito de Google DeepDream, pero antes de eso intentemos comprender qué es el Deep Dream Project de Google.
(Si ya lo sabe, pase a la última parte de la respuesta)
Comenzaré con la clasificación de imágenes y la reorganización de imágenes,
Clasificación de la imagen: una imagen puede contener múltiples objetos, como un paisaje simple puede tener una casa, un sol, un árbol y algunos otros objetos también.
El objetivo de la clasificación de imágenes es reconocer todos estos objetos diferentes en una imagen y luego clasificarlos.
- ¿Por qué se supone que la inteligencia artificial tendrá una intención maliciosa?
- ¿Podrían los robots de IA conscientes, en cierto modo, ser el siguiente paso lógico en la evolución humana?
- En inteligencia artificial, ¿cuál es mejor, políticas o planes, y por qué?
- ¿La inteligencia artificial y el aprendizaje automático reemplazarán las pruebas de selenio y las pruebas de automatización?
- ¿Es más divertido jugar contra los videojuegos si hacen locuras?
Redes neuronales: – La red neuronal es un sistema de IA inspirado en cómo funciona la mente humana. Tiene una larga cadena de nodos que tienen su propio trabajo. Cada nodo pasa su salida al otro nodo por delante como entrada. Los primeros nodos del sistema detectan cosas simples como bordes, los nodos posteriores hacen cosas más complejas.
¿Cómo se implementa la clasificación de imágenes usando la red neuronal?
En un sistema de red neuronal de clasificación de imágenes, en primer lugar, se introducen miles de imágenes de un objeto específico en el sistema como entrada y se le dice al sistema qué es este objeto.
Para entenderlo mejor: –
Si ingresamos 1000 imágenes de silla (de diferente tamaño y ángulo diferente) en el sistema y le decimos al sistema que todas estas imágenes son de silla. El sistema aprenderá cierta información importante requerida para reconocer una silla. (Una silla tiene 4 patas, 1 tablón y un respaldo, esta es la información importante requerida para reconocer una silla).
Una vez que hayamos entrenado el sistema para reconocer algunos objetos. Cuando le damos al sistema una imagen como entrada y le ordenamos que la reconozca.
Los nodos neuronales del sistema comienzan a comparar esta imagen con todos los datos (otras imágenes) que tiene y finalmente reconoce todos los objetos presentes en la imagen. Entonces, si habrá una silla en la imagen, lo más probable es que pueda reconocerla.
Entonces, ¿qué es Google Deep Dream?
En Google Deep Dream, Google acaba de invertir su red neuronal.
En el sueño profundo, le das cualquier imagen aleatoria como entrada al sistema y luego le dices al sistema que tiene un objeto en particular. El sistema intentará encontrar ese objeto en la imagen.
Ejemplo: ingresa una imagen de un horizonte y le dice al sistema que esta imagen tiene torres y pagodas. Ahora, idealmente, el sistema debería haber fallado en encontrar una torre en la imagen (ya que no está allí), pero en realidad el sistema comienza a recrear la imagen de una manera que crea la ilusión de que una torre está allí en la imagen. (Ver imagen)
Dado que el sistema realmente está soñando o alucinando (no literalmente) los objetos que en realidad no están presentes en la imagen. Este sistema ha sido llamado Deep Dream.
Entonces finalmente llego a tu pregunta
¿¿Cuál es el propósito de esto??
Siento que Deep Dream es solo un juguete divertido con una importancia menos práctica.
Personalmente, creo que los medios están haciendo un bombo de todo esto. A los medios de comunicación les encanta cuando pueden escribir sobre computadoras con capacidades similares a las de los humanos, y luego Google lanzó tantas imágenes que llamó mucho la atención.
Pero creo que este proyecto tiene algunos méritos.
- Indica claramente que nuestro sistema de clasificación de imágenes aún está lejos de ser perfecto y necesita mucho trabajo.
- También puede ayudar a comprender cómo funcionan realmente todas las capas de una red neuronal.
-
Según el blog de investigación de Google
Esta técnica nos da un sentido cualitativo del nivel de abstracción que una capa en particular ha logrado en su comprensión de las imágenes. Llamamos a esta técnica “Incepcionismo” en referencia a la arquitectura de red neuronal utilizada.
El blog de Google Research ha hecho algunos reclamos importantes con respecto a esto.
Esta técnica nos ayuda a comprender y visualizar cómo las redes neuronales pueden llevar a cabo tareas de clasificación difíciles, mejorar la arquitectura de la red y verificar lo que la red ha aprendido durante el entrenamiento.
Si aplicamos el algoritmo de forma iterativa en sus propias salidas y aplicamos un poco de zoom después de cada iteración, obtenemos un flujo interminable de nuevas impresiones, explorando el conjunto de cosas que la red conoce. Incluso podemos comenzar este proceso desde una imagen de ruido aleatorio, de modo que el resultado se convierta puramente en el resultado de la red neuronal, como se ve en las siguientes imágenes:
He hecho todo lo posible para explicarlo de la manera más fácil posible.
Espero eso ayude
Fuentes:
Inceptionism: profundizando en redes neuronales