انسان‌ها از نگاه کامپیوترها چه شکلی هستند؟ + تصاویر
شبکه‌ی عصبی مصنوعی نام نوعی فناوری خاص است که درواقع علیه خود عمل می‌کند تا بدین طریق تصاویری نزدیک به واقعیت را از حافظه خود بسازد.
به گزارش خبرنگار باشگاه شبانه باشگاه خبرنگاران جوان، شبکه‌ی عصبی مصنوعی نام نوعی فناوری خاص است که درواقع علیه خود عمل می‌کند تا بدین طریق تصاویری نزدیک به واقعیت را از حافظه خود بسازد.
گروهی از یک شرکت آموزشی سیستم‌ها (از ایندیکو در بوستون) و آزمایشگاه هوش مصنوعی فیس‌بوک (در نیویورک) نوعی شبکه به نام «شبکه‌ی خصمانه‌ی مولد» را طراحی کرده‌اند. در این سیستم بخش‌هایی از شبکه تلاش می‌کنند تا با تولید داده‌های تقلبی بخش‌های دیگر را تکمیل کنند.
یک سیستم شبکه‌ی عصبی از طریق تجزیه‌وتحلیل داده‌های آموزشی مثل عکس آموزش می‌بیند و از محل همین داده‌ها برای انتخاب آیتم‌هایی خاص از پایگاه‌های داده بزرگ‌تر استفاده می‌کند. محققان باور دارند با ساخت شبکه‌ای که علیه خودش کار کند، نهایتاً شبکه یاد می‌گیرد که خروجی‌های دقیق‌تری را ارائه دهد.
اَلِک رادفورد از شرکت ایندیکو به همراه دیگر محققان، پس از آموزش تصاویری از چهره انسان به شبکه، از ریاضی بصری برای اصلاح نتایج شبکه کمک گرفتند. این تیم تصاویری از زنان با چهره‌های خندان را به سیستم ارائه داد و سپس به سیستم دستور داد زنانی که چهره‌ی خنثی دارند را حذف و مردانی که چهره خنثی دارند را به تصاویر اولیه اضافه کنند. در ادامه تیم تحقیقاتی به شبکه دستور داد نسخه‌های متعددی را از یک صحنه به وجود آورد تا ثابت شود که از داده‌های آموزشی کپی‌برداری نمی‌کند.
نتایج تحقیق نشان می‌دهد که شبکه قادر است اشیا را با محیط تطبیق دهد؛ این مسئله به محققان کمک می‌کند آن بخش‌های خاصی را که سیستم فراگرفته شناسایی کنند.
به گزارش نیو سایِنتیست با ارتقا بیشتر این سیستم می‌توان چیزی شبیه «جست‌وجوی تصویری گوگل» را به وجود آورد که قادر است تصاویری را که وجود خارجی ندارند، بسازد.
انتهای پیام/
گروهی از یک شرکت آموزشی سیستم‌ها (از ایندیکو در بوستون) و آزمایشگاه هوش مصنوعی فیس‌بوک (در نیویورک) نوعی شبکه به نام «شبکه‌ی خصمانه‌ی مولد» را طراحی کرده‌اند. در این سیستم بخش‌هایی از شبکه تلاش می‌کنند تا با تولید داده‌های تقلبی بخش‌های دیگر را تکمیل کنند.
یک سیستم شبکه‌ی عصبی از طریق تجزیه‌وتحلیل داده‌های آموزشی مثل عکس آموزش می‌بیند و از محل همین داده‌ها برای انتخاب آیتم‌هایی خاص از پایگاه‌های داده بزرگ‌تر استفاده می‌کند. محققان باور دارند با ساخت شبکه‌ای که علیه خودش کار کند، نهایتاً شبکه یاد می‌گیرد که خروجی‌های دقیق‌تری را ارائه دهد.
اَلِک رادفورد از شرکت ایندیکو به همراه دیگر محققان، پس از آموزش تصاویری از چهره انسان به شبکه، از ریاضی بصری برای اصلاح نتایج شبکه کمک گرفتند. این تیم تصاویری از زنان با چهره‌های خندان را به سیستم ارائه داد و سپس به سیستم دستور داد زنانی که چهره‌ی خنثی دارند را حذف و مردانی که چهره خنثی دارند را به تصاویر اولیه اضافه کنند. در ادامه تیم تحقیقاتی به شبکه دستور داد نسخه‌های متعددی را از یک صحنه به وجود آورد تا ثابت شود که از داده‌های آموزشی کپی‌برداری نمی‌کند.
نتایج تحقیق نشان می‌دهد که شبکه قادر است اشیا را با محیط تطبیق دهد؛ این مسئله به محققان کمک می‌کند آن بخش‌های خاصی را که سیستم فراگرفته شناسایی کنند.
به گزارش نیو سایِنتیست با ارتقا بیشتر این سیستم می‌توان چیزی شبیه «جست‌وجوی تصویری گوگل» را به وجود آورد که قادر است تصاویری را که وجود خارجی ندارند، بسازد.
