Twój laptop nie śpi. On marzy.
Kiedy Ty odpoczywasz, miliony serwerów są zajęte ponownym analizowaniem starych danych i generowaniem dziwnych, nowych rzeczy. Silnikiem tego cyfrowego świadomego śnienia jest Google Deep Dream. Jest to program przeznaczony do wyszukiwania wzorców na obrazach, a następnie zniekształcania ich nie do poznania.
Przesyłasz zdjęcie. Algorytm szuka rozpoznawalnych elementów. Wzmacnia je, aż zawładną całym obrazem. Rezultaty wahają się od zabawnych, przez artystyczne, aż po naprawdę przerażające.
Dlaczego Głęboki Sen jest ważny
To nie jest tylko imprezowa sztuczka. To okno na to, jak maszyny postrzegają świat. Udostępniając te narzędzia publicznie, Google starał się zrozumieć, w jaki sposób jego systemy kategoryzują i indeksują dane wizualne. Możesz spróbować sam. Prześlij zdjęcie swojego psa. Kilka sekund później otrzymasz fantastyczną, zniekształconą wersję tego samego obrazu.
Rezultat przypomina spotkanie Salvadora Dali z Hieronimem Boschem, zanim zderzył się z paletą Van Gogha. Liście zamieniają się w kolorowe wiry. Góry stają się powtarzającymi się prostokątami. Puste krajobrazy pełne są pagód, samochodów, mostów i części ludzkich ciał.
I zwierzęta. Zawsze zwierzęta.
Pobierz portret Toma Cruise’a. Program nie widzi aktora. Widzi fałdy i przestrzenie przypominające psie głowy, rybie łuski i inne znane stworzenia. Ale to nie są zwykłe zwierzęta. To fantastyczne rekonstrukcje zmieszane z kalejdoskopem nasączonym LSD. Są przerażające. Przerażające.
Google nie umieszcza na swoich serwerach środków halucynogennych. Kieruje te krzemowe stojaki do analizy obrazów, a następnie reprodukcji ich jako nowych reprezentacji naszego świata.
Neurony w kawałkach
Jak to działa? Wynika to z samej natury tworzenia urządzeń cyfrowych. Chodzi o to, jak maszyny przetwarzają niewyobrażalne ilości danych, które umieszczamy w chmurze. Proces symuluje sieci neuronowe. Warstwy abstrakcji. Maszyna szuka krawędzi, potem kształtów, a na końcu obiektów. Deep Dream sprawia, że jeszcze bardziej skupia się na tym, co znajdzie jako pierwsze.
To nie magia. To jest matematyka. Ale wynik wydaje się żywy.
Rezultatem jest zazwyczaj dziwaczny hybrydowy obraz cyfrowy, który wygląda, jakby Salvador Dali urządził szaloną piżamową imprezę z Hieronymusem Boschem i Vincentem Van Goghem.
Spędzamy lata, próbując nadać AI wygląd człowieka. Deep Dream robi odwrotnie. Sprawia, że obrazy wyglądają jak sztuczna inteligencja. Ujawnia lukę między tym, jak widzimy, a tym, jak kod przetwarza światło.
Konsekwencje wykraczają poza dziwne dzieła sztuki. Jeśli maszynę można zmusić do widzenia twarzy w chmurach, co jeszcze widzi bez naszej uwagi? Jakie wzorce kryją się na widoku, czekając na ujawnienie odpowiednich parametrów?
Jeszcze nie wiemy. Serwery nadal działają. Obrazy ciągle się zmieniają. Sen trwa.
Komputery nie żyją. Nie śpią. Oni nie marzą. A przynajmniej tak nam się wydawało. Jednak Deep Dream stanowi uderzające wizualne przeciwstawienie się tej logice. Dowodzi, jak pokręcony może stać się program komputerowy, gdy jest zmuszony do przetrawienia danych ze świata ludzi.
Historia jego powstania nie jest mistyczna. Jest biurokratką. Inżynierowie Google stworzyli wstępne ramy konkursu rozpoznawania wizualnego na dużą skalę ImageNet. W tym corocznym konkursie, rozpoczętym w 2010 roku, rywalizują ze sobą dziesiątki organizacji. Cel jest prosty: znaleźć najskuteczniejszy sposób automatycznego wykrywania i klasyfikowania milionów obrazów. Co roku programiści udoskonalają swoje metody. Starają się poprawić dokładność. Przeceniają podejścia.
Dlaczego jest to dla Ciebie ważne?
Rozpoznawanie obrazów pozostaje rażącą luką w standardowym zestawie narzędzi internetowych. Wyszukiwarki nadal opierają się na ręcznie wprowadzanych słowach kluczowych. Dlatego musisz ręcznie oznaczyć swoją galerię zdjęć słowami „kot”, „dom” lub „Tommy”. Komputerom trudno jest spojrzeć na obraz i go zrozumieć. Dane wizualne są chaotyczne. Są zagracone. Wymykają się czystej kategoryzacji.
Deep Dream zmieniło ten kierunek rozwoju. Pomógł maszynom nauczyć się widzieć.
Architektura percepcji
Aby uruchomić funkcję Deep Dream, programiści wykorzystali sztuczną sieć neuronową (ANN). To nie jest tylko skomplikowany algorytm. Jest to system przeznaczony do samodzielnej nauki.
Architektura imituje ludzki mózg. Twój mózg wykorzystuje ponad 100 miliardów neuronów. Te komórki nerwowe przekazują impulsy, które utrzymują funkcjonowanie organizmu. Deep Dream nie ma ciała. Ma warstwy.
Zwykle sieć składa się z 10–30 warstw sztucznych neuronów.
Oto jak to działa:
– Dane trafiają do sieci.
– Sztuczne neurony filtrują te dane na wiele różnych sposobów.
– Proces ten jest powtarzany wielokrotnie.
– System ostatecznie generuje wynik.
W przypadku Deep Dream efektem jest obraz. Ale nie byle jaki. To jest halucynacja.
Jak Głęboki Sen zniekształca rzeczywistość
Być może zastanawiasz się, w jaki sposób program zamienia znajomą scenę w CGI, który może przestraszyć Cię w koszmarach.
Odpowiedź leży w wartościach sieci. Sieć neuronową nauczono rozpoznawać wzorce. Podczas przetwarzania obrazu szuka krawędzi, kształtów i tekstur. Deep Dream wzmacnia te wzorce. Znajduje to, co rozpoznaje i wyolbrzymia to.
Nie tylko wykrywa psa. Odnajduje „psią” i wprowadza ją w każdy zakątek fotografii. Gałąź drzewa zmienia się w futrzany pysk. Cień zamienia się w uważne oko. Komputer zasadniczo rzutuje na zdjęcie swój wewnętrzny model świata.
Mózgi komputerowe i rowery
Podobieństwo między przetwarzaniem biologicznym i sztucznym jest często przesadzone, ale mechanizmy są zadziwiająco podobne. Podobnie jak neuron uruchamia się w oparciu o dane wejściowe z innych neuronów, tak każda warstwa sieci przekazuje przefiltrowane dane do następnej warstwy. Im głębsza sieć, tym bardziej abstrakcyjna staje się reprezentacja.
Wczesne warstwy potrafią wykryć proste linie. Późniejsze warstwy odsłaniają złożone struktury. Deep Dream doprowadza to do skrajności. Nie poprzestaje na rozpoznaniu. On generuje. Przyjmuje abstrakcyjne pojęcia wyuczone podczas szkoleń i narzuca im formę wizualną.
W ten sposób statyczny obraz zamienia się w psychodeliczny krajobraz. Komputer nie śni w ludzkim sensie. Nie ma podświadomych pragnień. Posiada wagi i przesunięcia. Ma funkcję straty, którą stara się zminimalizować. Ale wynik? Rezultat wygląda jak marzenie.
Sieci neuronowe nie rozpoczynają w magiczny sposób sortowania danych. Potrzebują szkolenia. Bez referencyjnej biblioteki przykładów system jest ślepy. Przechodzi przez piksele bez kontekstu.
Nauka opiera się na powtarzaniu. Blog Google jasno wyjaśnia mechanikę. Jeśli chcesz, aby sztuczna sieć neuronowa (ANN) rozpoznała rower, przesyłasz do niej miliony obrazów. Ustalasz także konkretne zasady: dwa koła. Siedziba. Kierownica.
Potem pozwalasz temu zadziałać. Wyniki rzadko są doskonałe. System może pomylić motocykle lub motorowery z rowerami. I tu pojawia się interwencja człowieka. Programiści dostosowują kod. Wyjaśniają, że rowery nie mają silników ani rur wydechowych. Rozpoczynają cykl od nowa. I znowu. Dostrajanie trwa do momentu, aż wynik będzie akceptowalny.
Zespół Deep Dream zauważył zmianę. Gdy sieć nauczy się identyfikować obiekty, może je również odtworzyć. System przeszkolony na rowerach może generować nowe obrazy rowerów bez nowych danych wejściowych. Klasyfikuje, sortuje, a następnie tworzy.
Ale proces generowania jest niedoskonały. Nawet po przeanalizowaniu milionów zdjęć rowerów komputer nadal popełnia krytyczne błędy. Może przyczepić ludzkie ręce do kierownicy. Albo stopy do pedałów. Dlaczego? Ponieważ dane szkoleniowe często obejmują ludzi. Sieć ma trudności z oddzieleniem części roweru od części ludzkiego ciała.
Błędy te występują z wielu powodów. Nawet inżynierowie oprogramowania nie w pełni rozumieją zachowanie każdego neuronu. Ale znajomość architektury pomaga wyjaśnić awarie.
Sztuczne neurony działają w formie stosów. Deep Dream wykorzystuje od 10 do 30 warstw. Każda warstwa rejestruje inne szczegóły obrazu. Wczesne warstwy ujawniają podstawowe granice i krawędzie. Warstwy środkowe identyfikują kolory i orientację. Pozostałe warstwy poszukują kształtów przypominających krzesła czy żarówki. Warstwy końcowe reagują jedynie na obiekty złożone, takie jak samochody, liście czy budynki.
Programiści Google nazywają tę architekturę incepcjonizmem. Opublikowali nawet publiczną galerię prac Deep Dream, aby zaprezentować wyniki.
Gdy sieć wyizoluje różne aspekty obrazu, otwierają się nowe możliwości. W przypadku Deep Dream Google polecił sieci utworzenie zupełnie nowych obrazów w oparciu o wyodrębnione funkcje.
Ciemność na krawędzi
Pętla sprzężenia zwrotnego sztucznej percepcji
Wielkim sekretem nie jest tylko umożliwienie algorytmowi wybierania funkcji. Ważne jest, aby komputer obsesyjnie ich szukał. Inżynierowie Google powierzyli Deep Dream zadanie znalezienia wzorców i ich wzmocnienia. Jeśli algorytm rozpozna kształt psa paisley na Twojej kanapie, nie tylko go zarejestruje. Przesadza z twarzą. Dzięki temu uszy wydają się wyraźniejsze. Zamienia nieszkodliwy wzór tekstylny w twarz psa.
Każda iteracja dodaje nowe szczegóły. Wełna. Oczy. Zęby. Oryginalny obraz jest pogrzebany pod ciężarem własnych wykrytych cech. Zaczynasz od sofy, a kończysz na psie. Następnie w środku tego psa pojawia się inny pies. To przybliżenie rekurencyjne, pętla sprzężenia zwrotnego, która żywi się sobą, dopóki obraz nie zmieni się w coś psychodelicznego.
Chmury zamieniają się w kosmiczną szarańczę. Z szumu statycznego wyłaniają się tęczowe samochody. I zawsze są psy. Dlaczego? Ponieważ dane szkoleniowe obejmowały 120 różnych podklas psów. Sieć została starannie przeszkolona w zakresie rozpoznawania psów. Dlatego podczas wyszukiwania kształtów prawdopodobieństwo znalezienia pyska psa jest statystycznie wysokie. Jest to stronniczość wbudowana w kod.
Tworzenie sztuki z niczego
Deep Dream nie potrzebuje nawet obrazu źródłowego. Daj mu biały ekran. Wydawaj losowy dźwięk. Nadal będzie polował na strukturę. Postrzega czyste płótno jako surowiec dla znaczenia. Oprogramowanie próbuje zaprowadzić porządek w chaosie. Szuka krawędzi. Konstruuje formy z pustki.
To ujawnia główny cel projektu. Nie chodzi tylko o dziwną sztukę. Chodzi o uczenie maszyn kontekstualizowania danych wizualnych zalewających Internet. Celem jest poprawa rozpoznawania obrazu. Popraw filtrację. Popraw nasze zrozumienie tego, co widzimy w Internecie.
Czy oni śnią?
Czy komputer marzy? A może po prostu przetwarza dane w sposób, który wydaje nam się niepokojący?
Nikt nie programuje konkretnych zadań. Instrukcje są niejasne. Znajdź szczegóły. Podkreśl je. Powtarzać. Oprogramowanie działa bez wyraźnych wskazówek człowieka. Wynik jest bezpośrednim odzwierciedleniem tej autonomii.
Czy są to dzieła sztuki stworzone przez maszyny? Może. Są przejawem logiki krzemowej. Wskazują jednak także na przyszłość, w której komputery będą w mniejszym stopniu polegać na działaniu człowieka. Możesz obawiać się, że inteligentne maszyny przejmą kontrolę. Ale teraz ta technologia pomaga szybciej przeglądać miliony zdjęć. Poprawia wyszukiwanie. Poprawia przetwarzanie wizualne.
Tempo rozwoju przyspiesza. Dzięki takim eksperymentom rozpoczął się już kolejny krok w rozpoznawaniu obrazów. Jesteśmy świadkami wczesnych stadiów nowego rodzaju inteligencji. Inteligencja znajdująca wzorce, które możemy przeoczyć. Inteligencja, która widzi psy w chmurach.
Często zadawane pytania
Co to jest Operacja DeepDream?
Wprowadzony na rynek przez Google w 2015 roku DeepDream wykorzystuje splotową sieć neuronową do ulepszania wzorców na obrazach. Dodaje warstwy do obrazu, tworząc dziwne, nieziemskie efekty wizualne, ulepszając funkcje wykrywane przez sztuczną inteligencję.
Czy generator DeepDream jest darmowy?
Tak, korzystanie z generatora DeepDream jest bezpłatne.
