А на что ещё способен искусственный интеллект в 2019 году? Я собрал 20 интересных примеров.
Далее упоминаются искусственные нейронные сети. Эта математическая модель была вдохновлена изучением мозга в 1940-е годы и в сильно упрощённом виде описывает нервную активность. В 2000-е годы всё сошлось воедино: возросла вычислительная мощность компьютеров; благодаря Интернету наборы данных стали достаточно объёмными, появились новые алгоритмы глубокого обучения. Всё это привело к бурному развитию нейронных сетей на практике.
1. Обучившись стилю того или иного художника, нейронная сеть способна применить этот стиль к любому изображению или видео:
Например, на сайте aiportraits.com можно загрузить своё фото и посмотреть, что получится.
Эту нейронную сеть обучили, скормив ей портреты самых разных стилей и мастеров, от Люсьена Фрейда (1922-2011) до Джованни Больдини (1842-1931), от Джона Сингера Сарджента (1856-1925) до Винсента Ван Гога (1853-1890).
Авторы проекта сообщают: "Мастера портрета редко рисуют улыбающихся людей, потому что улыбки и смех обычно ассоциируются с более комичным аспектом жанровой живописи, и потому что изображение улыбки в некоторой мере может исказить лицо модели". Поэтому, из-за такой особенности обучающего материала, нейронная сеть недостаточно научилась изображать радостную мимику. Если загрузить на aiportraits.com фотографию с улыбкой, то настроение сгенерированного облика может нас удивить. Распознает махина потаённую меланхолию нашу, к Юнгу не ходи! Авторы проекта утверждают: "Эта неспособность искусственного интеллекта воспроизводить наши улыбки учит нас кое-чему об истории искусства".
2. Приложение FaceApp, наоборот, может дорисовать и улыбку, и старческие морщины, и богоугодную бороду.
3. Автоматическая колоризация (превращение чёрно-белого изображения – в цветное). Скоро мы сможем смотреть старинные фильмы – в цвете.
4. Компьютерное зрение. Уже существуют нейронные сети, которые (с переменным успехом) понимают, что изображено на фотографии, и даже строят её текстовое описание.
5. "Умное" увеличение картинки.
Здесь мы видим:
- в 1-м столбце – исходное изображение;
- во 2-м столбце – сильно уменьшенное изображение;
- при увеличении его обычной бикубической интерполяцией – в 3-м столбце – видим, что "информативности" изображению не добавилось;
- в 4-м столбце "умное" увеличение с помощью нейронной сети – видим, что сеть "додумала" подробности. Однако нейронная сеть – не оракул, поэтому воссозданный портрет отличается от исходного.
Или, например, сравните графику из игры Doom – в низком разрешении – и созданные по ней увеличенные изображения:
Ещё пример:
6. Сайт ThisPersonDoesNotExist.com генерирует фотографии людей, которые не существуют. Совпадения с реальными людьми возможны, но случайны.
7. Сайт remove.bg умеет, распознав людей на фото, автоматически убрать весь фон.
8. Очищение изображений от текста:
9. Создание 3d-модели по 2d-изображению:
Как нейронная сеть работает? Сначала, в зависимости от конкретной задачи, проектируется сеть определённой архитектуры. Затем сеть обучается на большом количестве данных (например, картинок) и "запоминает" признаки и закономерности, характерные для этих данных. Затем сеть применяет свои знания к новым данным (на которых не обучалась). Нейронная сеть проектируется и обучается под конкретную задачу, а потому не может внезапно задуматься о вещах посторонних, например, о захвате мира или смысле жизни. Хотя построят и такие нейронные сети однажды.
10. DeepFake – методика, нашумевшая в 2017-м году, которая умеет подменять лицо на фотографии и в видео. Таким образом, например, можно подменить актёра в любимом фильме (в главной роли – вместо Шварценеггера внезапно – Вы). Хулиганы даже создавали фальшивые порнографические видео со знаменитостями. К сожалению, это тёмная сторона технологии: она может быть использована для создания вредоносных обманов и "пост-правды".
11. Синтез речи. Вы скармливаете нейронной сети аудиозаписи человека (чем больше записей – тем лучше), она обучается индивидуальному звучанию голоса. Затем даёте этой сети произвольный текст – и программа его зачитывает вслух. Насколько естественно будет звучать синтезированная речь, зависит от качества и количества входных данных, а также от архитектуры нейронной сети.
12. Создание музыки. Наслушалась махина Шопена и нате:
13. Нейронные сети уже пишут романы. Говорят, в Японии текст, созданный искусственным интеллектом, чуть не победил на литературном конкурсе.
Программистами был выбран сюжет, пол персонажей, какие-то стилистические заготовки фраз, программа сделала всё остальное.
14. Автоматический перевод. Уже применяется в Google. Так, Google Neural Machine Translation способен переводить фразу целиком, ухватив её общий смысл, а не по отдельным словам.
15. Предсказание землетрясений. С помощью нейронных сетей смогли предсказывать на 50000% быстрее. Скорость критически важна.
16. Искусственный интеллект умеет распознавать дорожные знаки: применяется в новых беспилотных автомобилях. А вот примеры, как Tesla уворачивается от столкновений на дороге.
17. Оценивая количество лайков в соц.сетях, нейронная сеть научилась примерно оценивать и предсказывать привлекательность изображений.
18. В Японии крупные и прямые огурцы считаются товаром экстра-класса. Японец Макото Койке решил помочь своим родителям, которые занимаются выращиванием огурцов. Он научил нейронную сеть классифицировать овощи, и смастерил роботизированную руку, которая их сортировала.
19.
20. Ну, и такое:
Распознавание образов и классификация, в том числе – кластеризация (когда ни количество классов, ни их признаки заранее не известны), выявление взаимосвязей и ассоциативная память, прогнозирование и оптимизация решений, создание нового контента и многое другое - таковы возможности искусственного интеллекта.
Чувствуете, как меняется мир вокруг?