Il tuo laptop non sta dormendo. È un sogno.
Mentre stai recuperando Zs, milioni di server sono impegnati a reinterpretare vecchi dati e a sputare materiale nuovo e strano. Il motore dietro questo sogno lucido digitale è Google Deep Dream. È un programma progettato per trovare modelli nelle immagini e poi trasformarli in qualcosa di irriconoscibile.
Carichi una foto. L’algoritmo cerca le caratteristiche che riconosce. Li amplifica finché non prendono il sopravvento. Il risultato spazia dallo sciocco all’artistico fino al vero e proprio carburante da incubo.
Perché i sogni profondi sono importanti
Questo non è solo un trucco da festa. È una finestra su come vedono le macchine. Rendendo pubblici questi strumenti, Google mirava a capire come i suoi sistemi classificano e indicizzano i dati visivi. Puoi provarlo tu stesso. Carica una foto del tuo cane. Pochi secondi dopo, otterrai una versione fantastica e distorta della stessa immagine.
Il risultato sembra quello in cui Salvador Dalì si scontra con Hieronymus Bosch, per poi scontrarsi con la tavolozza di Van Gogh. Le foglie diventano turbinii colorati. Le montagne si trasformano in rettangoli ripetitivi. Dai paesaggi vuoti spuntano pagode, automobili, ponti e parti del corpo umano.
E animali. Sempre animali.
Carica un ritratto di Tom Cruise. Il programma non vede un attore. Vede pieghe e spazi che ricordano teste di cane, scaglie di pesce e altre creature familiari. Ma questi non sono animali normali. Sono ricreazioni fantastiche, incrociate con un caleidoscopio sfumato di LSD. Sono inquietanti. Terrificante.
Google non alimenta i suoi server con sostanze chimiche allucinogene. Sta guidando quegli scaffali di silicio ad analizzare le immagini e a rigurgitarle come nuove rappresentazioni del nostro mondo.
Neuroni in bit
Come funziona? Parla della natura del modo in cui costruiamo i dispositivi digitali. Riguarda il modo in cui le macchine digeriscono la quantità inimmaginabile di dati che scarichiamo nel cloud. Il processo imita le reti neurali. Strati di astrazione. La macchina cerca i bordi, poi le forme, poi gli oggetti. Deep Dream lo costringe a raddoppiare qualunque cosa trovi per prima.
Non è magia. È matematica. Ma il risultato sembra vivo.
Il risultato è tipicamente una bizzarra immagine digitale ibrida che sembra come se Salvador Dalì avesse organizzato una festa di pittura sfrenata tutta la notte con Hieronymus Bosch e Vincent van Gogh.
Trascorriamo anni cercando di far sembrare l’IA simile agli esseri umani. Deep Dream fa il contrario. Rende le immagini simili all’intelligenza artificiale. Mette in luce il divario tra il modo in cui vediamo e il modo in cui il codice elabora la luce.
Le implicazioni vanno oltre l’arte strana. Se una macchina può essere indotta a vedere i volti nelle nuvole, cos’altro vede che noi ignoriamo? Quali modelli si nascondono in bella vista, in attesa che i parametri giusti si rivelino?
Non lo sappiamo ancora. I server continuano a funzionare. Le immagini continuano a cambiare. Il sogno continua.
I computer sono inorganici. Non dormono. Non sognano. O almeno così presumevamo. Eppure Deep Dream rappresenta una netta contraddizione visiva con quella logica. Dimostra quanto può diventare contorto un programma per computer quando è costretto a digerire dati dal mondo umano.
La storia delle origini non è mistica. È burocratico. Gli ingegneri di Google hanno creato la struttura iniziale per la ImageNet Large Scale Visual Recognition Challenge. Questo concorso annuale, lanciato nel 2010, mette l’una contro l’altra decine di organizzazioni. L’obiettivo è semplice: trovare il modo più efficace per rilevare e classificare automaticamente milioni di immagini. Ogni anno, gli sviluppatori modificano i loro metodi. Spingono per una migliore precisione. Si rivalutano.
Perché questo è importante per te?
Il riconoscimento delle immagini rimane un evidente buco nel toolkit Internet standard. I motori di ricerca si aggrappano ancora alle parole chiave digitate. Ecco perché devi taggare manualmente la tua libreria di foto con “gatto”, “casa” o “Tommy”. I computer faticano a guardare un’immagine e capirla. I dati visivi sono confusi. È disordinato. Sfida la categorizzazione pulita.
Deep Dream ha cambiato quella traiettoria. Ha aiutato le macchine a imparare a vedere.
L’architettura della percezione
Per far funzionare Deep Dream, i programmatori hanno implementato una rete neurale artificiale (ANN). Questo non è solo un algoritmo sofisticato. È un sistema progettato per apprendere in modo indipendente.
L’architettura imita il cervello umano. Il tuo cervello utilizza oltre 100 miliardi di neuroni. Queste cellule nervose trasmettono impulsi che mantengono il tuo corpo in funzione. Deep Dream non ha un corpo. Ha strati.
Tipicamente, la rete è composta da 10 a 30 strati di neuroni artificiali.
Ecco il processo:
– I dati entrano nella rete.
– I neuroni artificiali filtrano questi dati in una miriade di modi.
– Il processo si ripete, ancora e ancora.
– Il sistema alla fine arriva ad un risultato.
Nel caso di Deep Dream, il risultato è un’immagine. Ma non un’immagine qualsiasi. È un’allucinazione.
Come il sogno profondo distorce la realtà
Potresti chiederti come fa un programma a convertire una scena familiare in rendering di computer art che potrebbero tormentare i tuoi incubi.
La risposta sta in ciò che valorizza la rete. La rete neurale è stata addestrata a riconoscere modelli. Quando elabora un’immagine, cerca bordi, forme e trame. Deep Dream amplifica questi schemi. Trova ciò che riconosce e lo esagera.
Non rileva solo un cane. Trova la “dogità” e la inietta in ogni angolo della foto. Il ramo di un albero diventa un muso peloso. Un’ombra diventa un occhio vigile. Il computer essenzialmente proietta il suo modello interno del mondo sulla tua fotografia.
Cervelli informatici e biciclette
Il parallelo tra lavorazione biologica e artificiale è spesso sopravvalutato, ma i meccanismi sono sorprendentemente simili. Proprio come un neurone si attiva in base agli input degli altri, ogni livello della rete trasmette i dati filtrati al successivo. Più profonda è la rete, più astratta è la rappresentazione.
I primi strati potrebbero rilevare linee semplici. Gli strati successivi rilevano strutture complesse. Deep Dream spinge tutto questo all’estremo. Non si ferma al riconoscimento. Genera. Prende i concetti astratti appresi durante la formazione e li forza in forma visiva.
È così che un’immagine statica diventa un paesaggio psichedelico. Il computer non sogna nel senso umano. Non ha desideri subconsci. Ha pesi e pregiudizi. Ha una funzione di perdita che sta cercando di minimizzare. Ma l’output? L’output sembra un sogno.
Le reti neurali non iniziano magicamente a ordinare i dati. Hanno bisogno di formazione. Senza una libreria di riferimento di esempi, il sistema è cieco. Passa al setaccio i pixel senza contesto.
La formazione si basa sulla ripetizione. Il blog di Google spiega chiaramente i meccanismi. Se vuoi che una rete neurale artificiale (ANN) riconosca una bicicletta, le fornisci milioni di immagini. Codifichi anche regole specifiche: due ruote. Un posto. Manubrio.
Poi lo lasci correre. I risultati sono raramente perfetti. Il sistema potrebbe contrassegnare motocicli o ciclomotori come biciclette. È qui che entra in gioco l’intervento umano. I programmatori modificano il codice. Chiariscono che alle biciclette mancano motori e tubi di scarico. Eseguono di nuovo il giro. E ancora. La regolazione fine continua finché l’output non è accettabile.
Il team di Deep Dream ha notato un cambiamento. Una volta che una rete impara a identificare gli oggetti, può anche ricrearli. Un sistema addestrato sulle biciclette può generare nuove immagini di biciclette senza nuovi input. Classifica, ordina e quindi crea.
Ma il processo di generazione è difettoso. Anche dopo aver analizzato milioni di foto di biciclette, il computer commette errori critici. Potrebbe attaccare le mani umane al manubrio. O piedi ai pedali. Perché? Perché i dati di addestramento spesso includono persone. La rete fatica a separare le parti della bicicletta dalle parti umane.
Questi errori si verificano per molte ragioni. Persino gli ingegneri del software non comprendono appieno il comportamento di ogni neurone. Ma conoscere l’architettura aiuta a spiegare i problemi.
I neuroni artificiali lavorano in pile. Deep Dream utilizza tra 10 e 30 strati. Ogni livello cattura diversi dettagli dell’immagine. I primi strati rilevano bordi e bordi di base. Gli strati intermedi identificano i colori e l’orientamento. Altri livelli cercano forme che assomiglino a sedie o lampadine. Gli strati finali reagiscono solo a oggetti complessi come automobili, foglie o edifici.
Gli sviluppatori di Google chiamano questa architettura inceptionism. Hanno persino pubblicato una galleria pubblica del lavoro di Deep Dream per mostrare i risultati.
Una volta che la rete isola i vari aspetti dell’immagine, le possibilità si aprono. Per Deep Dream, Google ha incaricato la rete di generare immagini completamente nuove da queste funzionalità estratte.
L’oscurità al limite
Il ciclo di feedback della percezione artificiale
Il vero trucco non è semplicemente lasciare che sia l’algoritmo a scegliere le funzionalità. Sta rendendo il computer ossessionato da loro. Gli ingegneri di Google hanno dato una direttiva a Deep Dream: trovare modelli e amplificarli. Se individua la forma di un cane nella trama cachemire del tuo divano, non si limita a notarla. Esagera il muso. Affina le orecchie. Trasforma un’innocua stampa tessile in una faccia canina.
Ogni iterazione si sovrappone a maggiori dettagli. Pelliccia. Occhi. Denti. L’immagine originale viene sepolta sotto il peso della sua stessa rilevazione. Inizi con un divano. Alla fine ti ritroverai con un cane. Poi un altro cane dentro quel cane. È uno zoom ricorsivo, un ciclo di feedback che si autoalimenta finché l’immagine non si trasforma in qualcosa di psichedelico.
Le nuvole diventano cavallette spaziali. Le auto arcobaleno emergono dall’elettricità statica. E ci sono sempre i cani. Perché? Perché i dati di addestramento includevano 120 sottoclassi di cani distinte. La rete è stata sapientemente classificata nel riconoscimento canino. Pertanto, quando esegue la scansione della forma, è statisticamente probabile che trovi facce di cuccioli. È un pregiudizio insito nel codice.
Creare arte dal nulla
Deep Dream non ha nemmeno bisogno di un’immagine sorgente. Dategli uno schermo bianco. Alimentalo con un rumore casuale. Andrà ancora a caccia di struttura. Tratta la tela bianca come materia prima per il significato. Il software cerca di imporre ordine al caos. Cerca i bordi. Costruisce forme dal vuoto.
Ciò rivela lo scopo principale del progetto. Non si tratta solo di arte strana. Si tratta di insegnare alle macchine a contestualizzare i dati visivi che inondano Internet. L’obiettivo è un migliore riconoscimento delle immagini. Migliore filtraggio. Migliore comprensione di ciò che vediamo online.
Stanno sognando?
Il computer sogna? O si tratta semplicemente di elaborare i dati in un modo che troviamo inquietante?
Nessuno sta codificando compiti specifici. Le istruzioni sono vaghe. Trova i dettagli. Accentuarli. Ripetere. Il software funziona senza la guida umana esplicita. Il risultato è un riflesso diretto di tale autonomia.
Si tratta di opere d’arte create dalla macchina? Forse. Sono manifestazioni della logica del silicio. Ma puntano anche verso un futuro in cui i computer si affideranno meno all’input umano. Potresti temere che le macchine senzienti prendano il sopravvento. In questo momento, questa tecnologia ti aiuta a vagliare milioni di foto più velocemente. Migliora la ricerca. Migliora l’elaborazione dei dati visivi.
Il ritmo del progresso sta accelerando. Grazie a esperimenti come questo, il prossimo passo avanti nel riconoscimento delle immagini è già in atto. Stiamo assistendo alle prime fasi di un nuovo tipo di intelligenza. Uno che trova modelli che potremmo perdere. Uno che vede i cani tra le nuvole.
Domande con risposta frequente
Cos’è l’operazione DeepDream?
Lanciato da Google nel 2015, DeepDream utilizza una rete neurale convoluzionale per migliorare i modelli nelle immagini. Aggiunge livelli all’immagine, creando immagini strane e ultraterrene amplificando le caratteristiche rilevate dall’intelligenza artificiale.
Il generatore DeepDream è gratuito?
Sì, il generatore DeepDream è gratuito.
