Šta se desi kada neuralnoj mreži prepustimo kreativnost? Google je otkrio

Blejz Aguera Arka koji u radu u Google-u na mašinskoj inteligenciji održao je u maju TED govor u kom govori o tome kako računari uče da budu kreativni i u ovom tekstu iznećemo suštinu ideja koje stoje iza projekata kojima se on i njegov tim bave.

Jednostavno rečeno, mašinska (ili veštačka) inteligencija je inženjerska disciplina koja se bavi pravljenjem računara i uređaja koji mogu da rade neke od stvari koje radi i naš mozak. Naravno, ta oblast se prepliće sa neuronaukama i razvija se na osnovama nauka koje izučavaju ljudski mozak – koji je još uvek u nekim oblastima mnogo bolji od kompjuterskog.

Istorijski, jedna od takvih oblasti je i percepcija, proces kojim se stvari iz sveta oko nas pretvaraju u koncepte u mozgu. Ovaj postupak je od suštinske važnosti za mozak, ali i prilično koristan za računare. Na primer, algoritam za mašinsku percepciju koji razvijaju za Google Photos, je mehanizam koji omogućava pretragu slika prema onome šta je na njima.

Kako percepcija funkcioniše?

Kako mi mislimo da funkcioniše:

Kako zaista funkcioniše:

Percepcija nama deluje jednostavno, međutim, za kompjutere je to veoma težak zadatak koji nisu mogli da obavljaju do pre nekoliko godina. Između slike koja se percipira i same reči “ptica” stoji skup neurona međusobno povezanih u neuronsku mrežu, koja može biti biološka, kao što je na primer ona u vizuelnom korteksu našeg mozga, ali i računarska, koju smo tek skoro naučili da modeliramo po uzoru na biološku.

Ponašanje ove mreže je određeno debljinom sinapsi – vezama između neurona. To određuje računarska svojstva ove mreže. Na kraju procesa je neuron ili mala grupa neurona koja se upali i kaže “ptica”.

Šta ako obrnemo proces?

Druga strana novčića percepcije je kreativnost: pretvaranje koncepta iz našeg mozga u nešto iz spoljašnjeg sveta. Dok su istraživali mogućnosti mašinske percepcije, ekipa iz Google-a slučajno je naletela na iznenađujuće mogućnosti mašinske kreativnosti.

Blejzov kolega, Aleks Mordvincev, je eksperimentisao sa tim šta bi bilo kada bi obrnuli proces? Ako namestimo tako da je “ptica” input, odnosno neuronskoj mreži koju smo istrenirali da prepozna pticu zadamo zadatak da kreira sliku ptice šta će se desiti?

Šta kada istim procesom ovaj softver pokuša da kreira ljudsko lice koje je prethodno naučilo da prepozna?

Razlog zašto ova slika izgleda kao prikaz iz više uglova je zato što je mreža dizajnirana tako da može da prepozna vaše lice bez obzira u kojoj je pozi ili koliko je i kako osveteljeno. Dakle, kada uradite ovakvu vrstu rekonstrukcije, i ako nemate nekakvu sliku ili statistiku kao “vodiča” dobićete ovakav rezultat.

Za detaljnije objašnjenje i još neverovatnih primera mašinske kreativnosti, pogledajte ceo TED klip: