Contenuto
Google Labs ha pubblicato un blog molto interessante sull'utilizzo di reti neurali addestrate a riconoscere oggetti per dipingere invece altri oggetti.
Formiamo una rete neurale artificiale mostrandole milioni di esempi di addestramento e regolando gradualmente i parametri di rete fino a dare le classificazioni che vogliamo. La rete di solito consiste in 10-30 strati sovrapposti di neuroni artificiali. Ogni immagine viene inserita nel livello di input, che quindi parla con il livello successivo, fino a raggiungere il livello "output". La "risposta" della rete proviene da questo livello di output finale.
Chiamano questo "inceptionism" ed i risultati sono più che un po 'bizzarri. Le seguenti diapositive mostrano i risultati di diverse reti neurali che "dipingono" la cosa su cui sono stati addestrati anche se la fonte non è correlata, o anche casuale, dati. Le meccaniche di base sono piuttosto complesse, ma immaginate di vedere come una rete neurale "vede" il mondo.
Il prossimoSkyarrow
Questo è piuttosto semplice, ma alla rete è stato chiesto di trovare ogni freccia.
Cavaliere
Data una foto di un cavaliere, questa rete neurale trova ciò che è stato addestrato dappertutto: animali a bizzeffe!
Campagna degli animali
Questo sembra un paesaggio, ma è fatto di una folle schiera di animali e animali selvatici.
Cane urlo
Il pezzo iconico di Edward Munch va ai cani. Gli occhi dappertutto sono più che un po 'inquietanti.