गूगल जानता है कि सपने एक तंत्रिका नेटवर्क हैं

कृत्रिम तंत्रिका नेटवर्क गूगल मानव मस्तिष्क अनुकरण करने के लिए बनाया गया है। इस तकनीक को समझते हैं और विभिन्न छवियों का विश्लेषण करने की अनुमति देता है। एक बार जब डेवलपर्स दिलचस्प सवाल उभरा है: यदि रोबोट सपना करने में सक्षम था तो क्या होगा? इस तरह के एक अजीब सवाल कहीं से उठता नहीं किया। यह परियोजना छवियों दीप सपना बनाने के लिए का हिस्सा है।

"डीप ड्रीम"

डेवलपर्स सॉफ्टवेयर विशेष उद्देश्य से पहले डाल दिया। हालांकि, इस सपने के पुनर्निर्माण का उद्देश्य नहीं था। विशेषज्ञों का कुछ अन्य परतों उस पर थोप द्वारा मूल चित्र के आधार पर तंत्रिका नेटवर्क छवि परिवर्तन का अनुरोध किया है। जैसा सामने आया, सॉफ्टवेयर जानने के लिए आसान है। इस प्रकार, इस कार्यक्रम का पता लगाने समारोह निर्दिष्ट मॉडल में सुधार करने में सक्षम था।

ट्रेनिंग

कृत्रिम तंत्रिका नेटवर्क के कार्य में सुधार करने के लिए, डेवलपर्स कंप्यूटर दस लाख से अधिक चित्रों के माध्यम से पारित किया है। यह एक श्रमसाध्य और समय लेने का काम था, क्योंकि प्रस्तावित चित्रों इंजीनियरों से प्रत्येक के बाद कार छवि वस्तु पर पाया पर जोर देना बनाया है। सरासर तंत्रिका नेटवर्क कई परतों के होते हैं, और खोज का एक और अधिक सटीक व्याख्या स्तर या स्थिति पर निर्भर करता है। उदाहरण के लिए, अलग-अलग वस्तुओं का पता लगाने के लिए उत्पादन परत मेल खाती है।

Hallucinogenic गुणवत्ता चित्रों

तंत्रिका नेटवर्क की छवि में विशिष्ट वस्तुओं की मान्यता कार्यों में वृद्धि के बाद एक और अधिक कठिन काम का सामना करना पड़ा। इंजीनियर्स कुछ वस्तुओं, जो बीच में एक कुत्ता, कांटा, तारामछली, केला और अन्य मदों थे की चित्र बनाने के लिए अपने आप को ड्राइव करने के लिए कहा गया था। इस कदम को पूरी तरह से अपने आप को सही ठहराया गया है। और रोबोट सपने एक hallucinogenic गुणवत्ता परिभाषित छवियों मानवीय आँख को पहचान सकते हैं डालते हैं।

परियोजना का अंतिम लक्ष्य

गूगल बिंदु जहां यह समग्र चित्र पर न के बराबर विवरण पता लगाने के लिए संभव हो गया था करने के लिए तंत्रिका नेटवर्क में सुधार करने के लिए देख रहा है। हम कह सकते हैं कि इंजीनियरों कृत्रिम बुद्धि के अवचेतन में देखने के लिए सक्षम थे। यह हुआ जब डेवलपर्स तंत्रिका नेटवर्क की ऊपरी परत, एक है कि अलग-अलग वस्तुओं पहचान करने के लिए सीखा है में छवियों को लोड करने के लिए शुरू कर दिया। तो, उदाहरण के लिए, एक पूर्व निर्धारित पैरामीटर "बादलों में एक कुत्ते के आकार" कुत्ते बादलों के एक नेटवर्क के अनुकरण करने के लिए बनाया है। और हर बार जब आप परिणाम लोड बेहतर और बेहतर बाहर आया था।

इस प्रकार, "डीप ड्रीम" कंप्यूटर छवि सेटिंग्स को संशोधित करने की क्षमता दे दी। और यह वस्तुओं, जो छवि में शामिल नहीं हैं पहचान करने के लिए अनुमति दी गई है। और अब, जब आप अनुरोध "बादल छाए रहेंगे आकाश" नेटवर्क एक आश्चर्यजनक रूप से अजीब कुत्तों और घोंघे देता है।

निष्कर्ष

तरीकों परियोजना के दौरान शोधकर्ताओं द्वारा इस्तेमाल, समझते हैं और कल्पना करने के लिए मदद कर रहा है कि कैसे एक तंत्रिका नेटवर्क वस्तु वर्गीकरण के लिए जटिल कार्य करने में सक्षम। इस नेटवर्क वास्तुकला के सुधार के लिए नेतृत्व किया और सीखने की प्रक्रिया के चरण नियंत्रित करने के लिए अनुमति दी गई है।