Googleは夢がニューラルネットワークであることを知っています

人工ニューラルネットワークGoogleは人間の脳をシミュレートするために作成しました。 この技術は、様々な画像を認識し、分析することができます。 ロボットは夢ことができたならば、何が起こるか：開発者がいったん興味深い質問が浮上していますか？ このような奇妙な質問は、どこからともなく発生しませんでした。 これは、画像にディープ・ドリームを作成するプロジェクトの一環です。

「ディープ・ドリーム」

開発者は、ソフトウェアの特定の目的の前に置きます。 しかし、これは夢の復興の目的ではありませんでした。 専門家はそれにいくつかの他の層を課すことによって、元の画像に基づいてニューラルネットワーク画像の変更を要求しました。 それが判明したように、ソフトウェアは、習得が容易です。 このように、プログラムが検出機能指定されたモデルを改善することができました。

トレーニング

人工ニューラルネットワークの機能を向上させるために、開発者は、コンピュータ百万人以上の画像を通過しました。 提案された写真のエンジニアの各後のオブジェクトで見つかったイメージを強調するために車を作ったので、面倒で時間のかかる作業でした。 シアーニューラルネットワークは、複数の層で構成され、検索のより正確な解釈は、レベルやステータスに依存します。 例えば、個々のオブジェクトを検出するための出力層に相当します。

幻覚品質の写真

ニューラルネットワークの画像内の特定のオブジェクトの認識機能を高めた後、より困難な仕事に直面していました。 エンジニアは、犬、フォーク、ヒトデ、バナナや他のアイテムだったそのうちの特定のオブジェクトの画像を作成するために自分自身を駆動するように求めていました。 動きは完全に自分自身を正当化しています。 そして、ロボットの夢は幻覚品質定義された画像は、人間の目が認識できる持ってみましょう。

プロジェクトの究極の目標

Googleは全体像の上に存在しない内容を検出することが可能であったポイントにニューラルネットワークを改善しようとしています。 私たちは、エンジニアは、人工知能の潜在意識の中に見ることができたと言うことができます。 開発者は、ニューラルネットワークの上位レイヤ、個々のオブジェクトを認識するために学習しているいずれかの画像をロードするために始めたとき、それは、起こりました。 だから、例えば、所定のパラメータ「雲の中の犬の形状は、」犬の雲のネットワークをシミュレートするために作られました。 そして、あなたは結果をロードするたびに良く出てきました。

このように、「ディープ・ドリーム」は、コンピュータに画像設定を変更することが可能になりました。 そして、それは、画像に含まれていないオブジェクトを認識することができました。 あなたが要求したときにそして今、「曇天」ネットワークは驚くほど奇妙な犬やカタツムリ与えます。

結論

理解し、可視化することを支援プロジェクト中の研究者によって使用される方法、どのようにオブジェクトの分類のための複雑なタスクを実行することが可能なニューラルネットワーク。 これは、ネットワークアーキテクチャの改善につながったと学習プロセスの段階を制御することができました。