Laptop Anda tidak tidur. Itu sedang bermimpi.
Saat Anda mengejar Zs, jutaan server sibuk menafsirkan ulang data lama dan mengeluarkan materi baru yang aneh. Mesin dibalik lucid dream digital ini adalah Google Deep Dream. Ini adalah program yang dirancang untuk menemukan pola dalam gambar dan kemudian mengubahnya menjadi sesuatu yang tidak dapat dikenali.
Anda mengunggah gambar. Algoritme mencari fitur yang dikenalinya. Ini memperkuat mereka sampai mereka mengambil alih. Hasilnya berkisar dari bahan bakar konyol hingga artistik hingga mimpi buruk.
Mengapa Mimpi Mendalam Itu Penting
Ini bukan sekedar trik pesta. Ini adalah jendela bagaimana mesin melihat. Dengan mempublikasikan alat ini, Google bertujuan untuk memahami bagaimana sistemnya mengklasifikasikan dan mengindeks data visual. Anda bisa mencobanya sendiri. Unggah foto anjing Anda. Beberapa detik kemudian, Anda akan mendapatkan versi gambar yang sama yang fantastis dan terdistorsi.
Outputnya tampak seperti Salvador Dali bertabrakan dengan Hieronymus Bosch, lalu menabrak palet Van Gogh. Daun menjadi pusaran warna-warni. Pegunungan berubah menjadi persegi panjang yang berulang. Pemandangan kosong menumbuhkan pagoda, mobil, jembatan, dan bagian tubuh manusia.
Dan binatang. Selalu binatang.
Unggah potret Tom Cruise. Program ini tidak menampilkan aktor. Ia melihat lipatan dan ruang yang menyerupai kepala anjing, sisik ikan, dan makhluk familiar lainnya. Tapi ini bukan hewan biasa. Itu adalah rekreasi yang luar biasa, disilangkan dengan kaleidoskop bernuansa LSD. Mereka menakutkan. Menakutkan.
Google tidak memberi servernya bahan kimia halusinogen. Ini memandu rak-rak silikon untuk menganalisis gambar dan memuntahkannya sebagai representasi baru dari dunia kita.
Neuron dalam Bit
Bagaimana cara kerjanya? Hal ini mencerminkan sifat cara kita membangun perangkat digital. Ini tentang bagaimana mesin mencerna data dalam jumlah tak terbayangkan yang kita buang ke cloud. Prosesnya meniru jaringan saraf. Lapisan abstraksi. Mesin mencari tepian, lalu bentuk, lalu objek. Deep Dream memaksanya menggandakan apa pun yang ditemukannya terlebih dahulu.
Ini bukan sihir. Itu matematika. Namun outputnya terasa hidup.
Hasilnya biasanya berupa gambar digital hibrida aneh yang terlihat seperti Salvador Dali mengadakan pesta melukis sepanjang malam bersama Hieronymus Bosch dan Vincent van Gogh.
Kami menghabiskan waktu bertahun-tahun untuk mencoba membuat AI terlihat seperti manusia. Deep Dream melakukan yang sebaliknya. Itu membuat gambar terlihat seperti AI. Ini memperlihatkan kesenjangan antara cara kita melihat dan cara memproses kode secara ringan.
Implikasinya lebih dari sekedar seni aneh. Jika sebuah mesin bisa dibujuk untuk melihat wajah di awan, apa lagi yang bisa kita abaikan? Pola apa yang tersembunyi di depan mata, menunggu parameter yang tepat terungkap?
Kami belum tahu. Server tetap bekerja. Gambar terus berubah. Mimpi itu berlanjut.
Komputer bersifat anorganik. Mereka tidak tidur. Mereka tidak bermimpi. Atau begitulah yang kami asumsikan. Namun Deep Dream berdiri sebagai kontradiksi visual yang mencolok terhadap logika tersebut. Ini membuktikan betapa kacaunya sebuah program komputer ketika dipaksa mencerna data dari dunia manusia.
Kisah asal usulnya tidak mistis. Itu birokratis. Insinyur Google membuat kerangka awal untuk Tantangan Pengenalan Visual Skala Besar ImageNet. Kontes tahunan ini, yang diluncurkan pada tahun 2010, mempertemukan puluhan organisasi satu sama lain. Tujuannya sederhana: menemukan cara paling efektif untuk mendeteksi dan mengklasifikasikan jutaan gambar secara otomatis. Setiap tahun, para pengembang mengubah metode mereka. Mereka mendorong akurasi yang lebih baik. Mereka mengevaluasi kembali.
Mengapa ini penting bagi Anda?
Pengenalan gambar masih menjadi masalah besar dalam perangkat internet standar. Mesin pencari masih berpegang teguh pada kata kunci yang diketik. Itu sebabnya Anda harus menandai perpustakaan foto Anda secara manual dengan “kucing”, “rumah”, atau “Tommy”. Komputer kesulitan melihat gambar dan memahaminya. Data visual berantakan. Itu berantakan. Ini menentang kategorisasi yang bersih.
Deep Dream mengubah lintasan itu. Ini membantu mesin belajar melihat.
Arsitektur Persepsi
Untuk membuat fungsi Deep Dream, pemrogram menerapkan jaringan saraf buatan (ANN). Ini bukan hanya algoritma yang bagus. Ini adalah sistem yang dirancang untuk belajar secara mandiri.
Arsitekturnya meniru otak manusia. Otak Anda menggunakan lebih dari 100 miliar neuron. Sel-sel saraf ini mengirimkan impuls yang membuat tubuh Anda tetap berjalan. Deep Dream tidak memiliki tubuh. Ini memiliki lapisan.
Biasanya, jaringan terdiri dari 10 hingga 30 lapisan neuron buatan.
Inilah prosesnya:
– Data memasuki jaringan.
– Neuron buatan menyaring data ini dengan berbagai cara.
– Prosesnya berulang, berulang-ulang.
– Sistem pada akhirnya sampai pada suatu hasil.
Dalam kasus Deep Dream, hasilnya adalah sebuah gambar. Tapi bukan sembarang gambar. Itu hanya halusinasi.
Betapa Mendalamnya Mimpi Membengkokkan Kenyataan
Anda mungkin bertanya-tanya bagaimana sebuah program mengubah pemandangan yang sudah dikenal menjadi rendering seni komputer yang dapat menghantui mimpi buruk Anda.
Jawabannya terletak pada nilai-nilai jaringan. Jaringan saraf dilatih untuk mengenali pola. Saat memproses gambar, ia mencari tepi, bentuk, dan tekstur. Deep Dream memperkuat pola-pola ini. Ia menemukan apa yang dikenalinya dan membesar-besarkannya.
Itu tidak hanya mendeteksi seekor anjing. Ia menemukan “ke-anjingan” dan menyuntikkannya ke setiap sudut foto. Cabang pohon menjadi moncong berbulu. Bayangan menjadi mata yang waspada. Komputer pada dasarnya memproyeksikan model internal dunianya ke dalam foto Anda.
Otak dan Sepeda Komputer
Persamaan antara pemrosesan biologis dan buatan sering kali dilebih-lebihkan, namun secara mengejutkan mekanismenya sangat mirip. Sama seperti sebuah neuron yang aktif berdasarkan masukan dari yang lain, setiap lapisan dalam jaringan meneruskan data yang disaring ke lapisan berikutnya. Semakin dalam jaringannya, semakin abstrak representasinya.
Lapisan awal mungkin mendeteksi garis sederhana. Lapisan selanjutnya mendeteksi struktur kompleks. Deep Dream mendorong hal ini hingga ekstrem. Itu tidak berhenti pada pengakuan. Ini menghasilkan. Dibutuhkan konsep abstrak yang dipelajari selama pelatihan dan memaksanya ke dalam bentuk visual.
Beginilah cara gambar statis menjadi lanskap psikedelik. Komputer tidak sedang bermimpi dalam pengertian manusia. Ia tidak memiliki keinginan bawah sadar. Ini memiliki bobot dan bias. Ia memiliki fungsi kerugian yang coba diminimalkan. Tapi hasilnya? Outputnya tampak seperti mimpi.
Jaringan saraf tidak secara ajaib mulai menyortir data. Mereka membutuhkan pelatihan. Tanpa perpustakaan referensi contoh, sistem ini buta. Itu menyaring piksel tanpa konteks.
Pelatihan bergantung pada pengulangan. Blog Google menjelaskan mekanismenya dengan jelas. Jika Anda ingin Jaringan Syaraf Tiruan (JST) mengenali sepeda, Anda memberinya jutaan gambar. Anda juga membuat kode aturan khusus: dua roda. Sebuah kursi. Setang.
Lalu Anda membiarkannya berjalan. Jarang sekali hasilnya sempurna. Sistem mungkin menandai sepeda motor atau moped sebagai sepeda. Di sinilah campur tangan manusia terjadi. Pemrogram mengubah kodenya. Mereka mengklarifikasi bahwa sepeda tidak memiliki mesin dan pipa knalpot. Mereka menjalankan loop lagi. Dan lagi. Penyempurnaan berlanjut hingga keluaran dapat diterima.
Tim Deep Dream melihat adanya perubahan. Setelah jaringan belajar mengidentifikasi objek, jaringan juga dapat membuatnya kembali. Sebuah sistem yang dilatih pada sepeda dapat menghasilkan citra sepeda baru tanpa masukan baru. Ini mengklasifikasikan, mengurutkan, dan kemudian menciptakan.
Namun proses pembangkitannya cacat. Bahkan setelah menganalisis jutaan foto sepeda, komputer tetap membuat kesalahan kritis. Itu mungkin menempelkan tangan manusia ke setang. Atau kaki ke pedal. Mengapa? Karena data pelatihan sering kali menyertakan orang. Jaringan tersebut berjuang untuk memisahkan bagian-bagian sepeda dari bagian-bagian manusia.
Kesalahan ini terjadi karena berbagai alasan. Bahkan insinyur perangkat lunak pun tidak sepenuhnya memahami perilaku setiap neuron. Namun mengetahui arsitekturnya membantu menjelaskan gangguan tersebut.
Neuron buatan bekerja secara bertumpuk. Deep Dream menggunakan antara 10 dan 30 lapisan. Setiap lapisan menangkap detail gambar yang berbeda. Lapisan awal mendeteksi batas dan tepi dasar. Lapisan tengah mengidentifikasi warna dan orientasi. Lapisan lain mencari bentuk yang menyerupai kursi atau bola lampu. Lapisan terakhir hanya bereaksi terhadap objek kompleks seperti mobil, dedaunan, atau bangunan.
Pengembang Google menyebut arsitektur ini sebagai inceptionism. Mereka bahkan menerbitkan galeri publik karya Deep Dream untuk memamerkan hasilnya.
Setelah jaringan mengisolasi berbagai aspek gambar, kemungkinannya terbuka. Untuk Deep Dream, Google mengarahkan jaringan untuk menghasilkan gambar yang benar-benar baru dari fitur yang diekstraksi ini.
Kegelapan di Tepi
Putaran Umpan Balik Persepsi Buatan
Trik sebenarnya bukan hanya membiarkan algoritme memilih fitur. Ini membuat komputer terobsesi terhadap mereka. Insinyur Google memberikan arahan kepada Deep Dream: temukan pola dan perkuat pola tersebut. Jika ia melihat bentuk anjing di tenunan paisley sofa Anda, ia tidak hanya memperhatikannya. Itu membesar-besarkan moncongnya. Itu mempertajam telinga. Ini mengubah cetakan tekstil yang tidak berbahaya menjadi wajah anjing.
Setiap iterasi berlapis lebih detail. Bulu. Mata. Gigi. Gambar asli terkubur karena beban pendeteksiannya sendiri. Anda mulai dengan sofa. Anda berakhir dengan seekor anjing. Lalu ada anjing lain di dalam anjing itu. Ini adalah zoom rekursif, putaran umpan balik yang berlangsung dengan sendirinya hingga gambar berubah menjadi sesuatu yang psikedelik.
Awan menjadi belalang luar angkasa. Mobil pelangi muncul dari keadaan statis. Dan selalu ada anjing. Mengapa? Karena data pelatihan mencakup 120 subkelas anjing yang berbeda. Jaringan ini diklasifikasikan secara ahli dalam pengenalan anjing. Jadi saat memindai bentuk, secara statistik kemungkinan besar akan menemukan wajah anak anjing. Ini adalah bias yang dimasukkan ke dalam kode.
Menciptakan Seni dari Ketiadaan
Deep Dream bahkan tidak memerlukan gambar sumber. Beri itu layar putih. Beri makan dengan suara acak. Ia masih akan mencari struktur. Ia memperlakukan kanvas kosong sebagai bahan baku makna. Perangkat lunak ini mencoba untuk menertibkan kekacauan. Ini mencari tepian. Ia membangun bentuk dari kehampaan.
Ini mengungkapkan tujuan inti dari proyek ini. Ini bukan hanya tentang seni yang aneh. Ini tentang mengajarkan mesin untuk mengontekstualisasikan data visual yang membanjiri internet. Tujuannya adalah pengenalan gambar yang lebih baik. Penyaringan yang lebih baik. Pemahaman yang lebih baik tentang apa yang kita lihat online.
Apakah Mereka Bermimpi?
Apakah komputer bermimpi? Atau apakah itu hanya memproses data dengan cara yang menurut kami meresahkan?
Tidak ada yang mengkode tugas tertentu. Petunjuknya tidak jelas. Temukan detailnya. Tonjolkan mereka. Mengulang. Perangkat lunak ini beroperasi tanpa bimbingan manusia secara terbuka. Outputnya merupakan cerminan langsung dari otonomi tersebut.
Apakah ini karya seni yang diciptakan mesin? Mungkin. Itu adalah manifestasi dari logika silikon. Namun mereka juga menunjukkan masa depan dimana komputer tidak lagi bergantung pada masukan manusia. Anda mungkin takut mesin hidup akan mengambil alih. Saat ini, teknologi ini membantu Anda menyaring jutaan foto dengan lebih cepat. Ini meningkatkan pencarian. Ini meningkatkan pemrosesan data visual.
Laju kemajuan semakin cepat. Berkat eksperimen seperti ini, lompatan berikutnya dalam pengenalan gambar telah berlangsung. Kita sedang melihat tahap awal dari jenis kecerdasan baru. Yang menemukan pola yang mungkin kita lewatkan. Yang melihat anjing di awan.
Pertanyaan yang Sering Dijawab
Apa itu Operasi DeepDream?
Diluncurkan oleh Google pada tahun 2015, DeepDream menggunakan jaringan saraf konvolusional untuk menyempurnakan pola dalam gambar. Ini menambahkan lapisan pada gambar, menciptakan visual yang aneh dan seperti dunia lain dengan memperkuat fitur yang dideteksi AI.
Apakah generator DeepDream gratis?
Ya, generator DeepDream gratis untuk digunakan.
