à¹à¸§à¸à¹à¸²à¸à¸±à¸ à¸à¸à¸±à¸à¸à¸´à¹à¸¨à¸©
สารบัญ:
เมื่อต้นเดือนที่ผ่านมาบ้านประมูลของคริสตี้ได้ขายสิ่งที่กล่าวว่าเป็นงานศิลปะชิ้นแรกที่สร้างขึ้นโดยอัลกอริธึมที่ขายโดยบ้านประมูลใหญ่ ป้ายราคา - เกือบครึ่งล้านดอลล่าร์สหรัฐได้ตั้งคำถามมากมายเกี่ยวกับต้นกำเนิดของการประพันธ์, ตลาดศิลปะที่แปลกใหม่และที่สำคัญที่สุด: ทำไม?
และความพยายามในการสอนเครื่องจักรเกี่ยวกับงานศิลปะหรือเกี่ยวกับรูปภาพอย่างแม่นยำนั้นแทบจะไม่ได้รับความสนใจจากสาธารณชนเลย จากความสามารถในการตรวจจับวิดีโอหลอกลวงที่ดีขึ้นไปจนถึงการเปลี่ยนนักแสดงภาพยนตร์ย้อนหลังนักวิทยาศาสตร์คอมพิวเตอร์มีเหตุผลเชิงปฏิบัติจำนวนมากสำหรับการสอนเครื่องวิธีการมีส่วนร่วมกับโลกภาพดีขึ้น
Daniel Heiss เป็นหนึ่งในผู้ที่ชื่นชอบเทคโนโลยีดังกล่าว ผู้พัฒนาความคิดสร้างสรรค์สำหรับ ZKM Center for Art and Media เป็นผู้เริ่มต้นใช้เครือข่ายประสาทที่เผยแพร่โดยนักวิจัย NVIDIA ในเดือนเมษายน มันถูกสร้างขึ้นเพื่อสร้างภาพของดาราในจินตนาการหลังจากฝึกฝนกับเซเลบที่มีอยู่หลายพันภาพ สิ่งนี้เป็นแรงบันดาลใจให้ Heiss เสียบภาพโฟโต้oothจำนวน 50,000 ภาพที่รวบรวมโดยหนึ่งในการติดตั้งงานศิลปะแบบโต้ตอบของ ZKM เพื่อดูงานศิลปะ A. A. ของเขา จะผลิต ในการสัมภาษณ์ออนไลน์เขาบอก ผกผัน ผลลัพธ์ดีกว่าที่เขาเคยจินตนาการไว้
“ ฉันเห็นการแปรปรวนบ้าของภาพใบหน้าเดียวเป็นภาพใบหน้าสามภาพเป็นภาพใบหน้าสองภาพเป็นต้น นั่นดีกว่าที่ฉันเคยคิดไว้มาก” เขากล่าว “ ฉันยังพยายามกรองภาพเพื่อให้มีการใช้เฉพาะภาพที่มีใบหน้าเดียว แต่ในขณะที่ฉันกำลังทำงานกับตัวอย่างที่สร้างขึ้นจากชุดข้อมูลที่ไม่มีการกรองก็ออกมาดีมากจนฉันหยุดมันได้”
GAN (Karras et al) ที่เติบโตอย่างต่อเนื่องได้รับการฝึกฝนในภาพเขียนประมาณ 80,000 ภาพ pic.twitter.com/fkNjw8m2uC
- Gene Kogan (@genekogan) 3 พฤศจิกายน 2018
วิดีโอของ Heiss ได้รับการรวบรวมมากกว่า 23,000 upvotes บน Reddit เขาเริ่มทวีตภาพที่เห็นด้านบนในวันที่ 4 พฤศจิกายนเพื่อตอบสนองต่อการใช้อัลกอริทึมของ NVIDIA อีกครั้งโดยโปรแกรมเมอร์ Gene Kogan Kogan ใช้ภาพเขียนประมาณ 80,000 ภาพ
Kogan ยังปลิวไปกับความสามารถของ A.I ในการสร้างเฟรมที่มีสไตล์ที่แตกต่างกันไป
“ ฉันรู้สึกประหลาดใจกับความสามารถในการจดจำสุนทรียภาพที่แตกต่างกันมากมายโดยไม่รู้สึกสับสน” เขากล่าว ผกผัน. “ ฉันคิดว่านั่นเป็นผลของการมีพารามิเตอร์หลายร้อยล้านตัวที่จะเล่นด้วย”
เราสอนอย่างไร การสร้างรูปภาพของตัวเอง
ทีมวิจัย NVIDIA นำโดย Tero Karras ใช้ประโยชน์จากเครือข่ายฝ่ายตรงข้ามทั่วไปหรือ GAN ซึ่งเดิมตั้งทฤษฎีโดยนักวิทยาศาสตร์คอมพิวเตอร์ชื่อดัง Ian Goodfellow ในปี 2014 นี่เป็นเทคโนโลยีพื้นฐานที่อยู่เบื้องหลังเครื่องมือ DeepDream ของ Google ที่สร้างคลื่นในสนามและออนไลน์
GAN ประกอบด้วยสองเครือข่าย: เครื่องกำเนิดและตัวเลือก โปรแกรมคอมพิวเตอร์เหล่านี้แข่งขันกันนับล้าน ๆ ล้านครั้งเพื่อปรับแต่งทักษะการสร้างภาพของพวกเขาจนกว่าพวกเขาจะดีพอที่จะสร้างสิ่งที่ในที่สุดก็กลายเป็นที่รู้จักกันในชื่อ deepfakes
เครื่องกำเนิดไฟฟ้าถูกป้อนภาพถ่ายและเริ่มพยายามเลียนแบบให้ดีที่สุดเท่าที่จะทำได้ จากนั้นจะแสดงภาพต้นฉบับและภาพที่สร้างขึ้นให้กับผู้เลือกปฏิบัติซึ่งมีหน้าที่บอกให้พวกเขาทราบ ยิ่งการทดลองดำเนินการมากขึ้นเท่าไรเครื่องกำเนิดก็จะสังเคราะห์ภาพได้ดีขึ้นและผู้จำแนกก็แยกแยะได้ดีขึ้น สิ่งนี้ส่งผลให้มีใบหน้าและภาพวาดที่น่าเชื่อ แต่ปลอมโดยสมบูรณ์
เทคโนโลยีนี้ช่วยศิลปินได้อย่างไร
AI. ได้สร้างชื่อให้กับตัวเองแล้วในโลกศิลปะ นอกเหนือจากภาพบุคคลที่สร้างจากคอมพิวเตอร์ที่วางขายที่ Christie’s แล้ว DeepDream ยังสร้างทิวทัศน์ที่มีชีวิตชีวาตั้งแต่ก่อนที่จะมีสิ่งที่ลึกล้ำ
Heiss เชื่อว่าเครื่องมือการเรียนรู้ที่สร้างขึ้นในวันนี้เป็นเครื่องมือที่ศิลปินนำมาใช้ แต่ต้องใช้ความสามารถทางเทคนิค นั่นเป็นสาเหตุที่ ZKM จัดแสดงรหัสเปิดเพื่อสร้างแรงบันดาลใจในการทำงานร่วมกันระหว่างภาคเทคโนโลยีและภาคสร้างสรรค์
“ เครื่องมือที่เกิดขึ้นในขณะนี้อาจเป็นเครื่องมือที่มีประโยชน์มากสำหรับศิลปิน แต่เป็นเรื่องยากสำหรับศิลปินที่ไม่มีความรู้ด้านการเขียนโปรแกรมและทักษะการบริหารระบบเพื่อใช้งานพวกเขา” เขากล่าว “ การเชื่อมโยงระหว่างวิทยาศาสตร์และศิลปะนี้สามารถนำไปสู่สิ่งที่ยิ่งใหญ่ แต่ต้องการความร่วมมือจากทั้งสองทิศทาง”
การทำซ้ำครั้งแรกของ A.I. เช่น GANS สามารถดูดซับล้านจุดข้อมูลนับล้านเพื่อดูรูปแบบและแม้แต่ภาพมนุษย์ที่ไม่สามารถเกิดขึ้นได้ด้วยตัวเอง อย่างไรก็ตามวิสัยทัศน์ที่สร้างสรรค์ของพวกเขายังคงถูก จำกัด โดยสิ่งที่มนุษย์เลือกที่จะให้อัลกอริทึมเหล่านั้นเป็นข้อมูลดิบ
ด้วยสายตาที่เฉียบคมเพื่อความสวยงามและทักษะการเขียนโปรแกรมศิลปินแห่งอนาคตที่ใช้ A.I. อาจใช้การเรียนรู้ของเครื่องเพื่อก้าวสู่ยุคใหม่แห่งความคิดสร้างสรรค์หรือใช้ชีวิตในรูปแบบศิลปะที่เก่ากว่า แต่จะต้องใช้ข้อมูลจำนวนมากในการสอนเครื่องจักรถึงวิธีเลียนแบบความฉลาดของมนุษย์ให้ดีขึ้นและนำสิ่งที่คอมพิวเตอร์ใช้พ่นออกไปอีกขั้นหนึ่ง
วิดีโอแสดงให้เห็นว่า Guy ประเภทหนึ่งบริจาคอสุจิออนไลน์ได้มากกว่าคนอื่น ๆ
งานวิจัยที่ตีพิมพ์ในวารสารจิตวิทยาการเจริญพันธุ์และทารกโดยนักเศรษฐศาสตร์พฤติกรรมสตีเฟ่นไวท์เปิดตัวลักษณะของผู้บริจาคอสุจิที่บริจาคออนไลน์โดยเฉพาะ ในตลาดดิจิตอลที่กำลังเติบโตการบริจาคออนไลน์จะข้ามเทปสีแดงทางคลินิกและทำให้ผู้บริจาคและผู้รับมีความยืดหยุ่นมากขึ้น
วิดีโอแสดงให้เห็นว่า NASA นำเสนอ F / A-18B Hornet Fighter Jets เพื่อวิทยาศาสตร์อย่างไร
NASA มีโรงเก็บของเล่นที่มีเทคโนโลยีขั้นสูงมากมายตั้งแต่กล้องโทรทรรศน์เจมส์เวบบ์ที่ยังอยู่ระหว่างการก่อสร้างจนถึงเครื่องยนต์จรวดพ่นไอน้ำ แต่เครื่องมือการบินและอวกาศที่ล้ำสมัยเหล่านั้นทั้งหมดยังคงพบวิธีที่จะเปลี่ยนเครื่องจักรทางทหารที่ล้าสมัย