Innehåll
Google Labs har publicerat en mycket intressant blogg om hur man använder neurala nätverk som utbildades för att känna igen objekt istället för att måla andra objekt.
Vi tränar ett konstgjort neuralt nätverk genom att visa det miljontals träningsexempel och gradvis justera nätverksparametrarna tills det ger de klassificeringar vi vill ha. Nätverket består typiskt av 10-30 staplade lager av artificiella neuroner. Varje bild matas in i inmatningsskiktet, som sedan talar till nästa lager tills så småningom "utmatnings" -laget nås. Nätverkets "svar" kommer från det här slutliga utmatningsskiktet.
De kallar den här "inceptionismen" och resultaten är mer än lite bisarra. Följande bilder visar resultaten av olika neurala nätverk "målning" den sak de utbildades på trots att källan inte är relaterad eller till och med slumpmässig data. Den underliggande mekaniken är ganska komplex, men föreställ dig att du ser hur ett neuralt nätverk "ser" världen.
NästaSkyarrow
Det här är ganska enkelt, men nätverket bad om att hitta alla pilar.
Riddare
Med tanke på en bild av en riddare finner det här neurala nätverket vad det utbildades på överallt: djur i massor!
Animal Countryside
Det här ser ut som ett landskap, men det är gjord av en galen uppsättning djur och djur.
Hundskrik
Edward Munchs ikoniska stycke går till hundarna. Ögonen överallt är mer än lite oroande.