Naturalne czy komputerowe? Sztuczna inteligencja tworzy nieznane zwierzęta
Postępu w zakresie sztucznej inteligencji i sieci neuronowych w ostatnich latach trudno nie zauważyć, bo regularnie docierają do nas kolejne informacje o kolejnych przełomowych rozwiązaniach.
Kilka lat temu na rynek trafił tekst o nazwie Progressive Growing of GANs for Improved Quality, Stability, and Variation, z którego można było dowiedzieć się więcej na temat generatywnej sieci przeciwników (GAN), czyli uczeniu maszynowym zaprojektowanym w 2014 roku przez Iana Goodfellowa i jego współpracowników, polegającym na rywalizacji dwóch sieci. I choć sztuczna inteligencja zaczynała tu od obrazów o bardzo niskiej rozdzielczości, to wraz z postępem treningów przybywało detali, by ostatecznie za jaj pomocą powstawały superrealistyczne portrety ludzkich twarzy. Jak tłumaczy autor bloga corte.si, tj. Aldo Cortesi, to właśnie ta praca zainspirowała go do pewnego eksperymentu, który zakładał wytrenowanie AI, ale na… rysunkach zwierząt.
A że przy okazji usłyszał o bazie danych PhyloPic, gdzie znaleźć można zdjęcia sylwetek zwierząt, roślin i innych form życia, to po prostu musiał skorzystać z okazji. Jak twierdzi autor, zwyciężyła w nim ciekawość, bo chciał osobiście przekonać się, co wyniknie z zestawienia GAN i wspomnianej bazy - czy AI wygeneruje wiele wariacji na temat kilku znanych nam gatunków zwierząt, a może pójdzie w stronę spekulacyjnej zoologii? Zaadaptował więc kod z wspomnianej pracy o GAN i zaprogramował go na 12 tysięcy powtórzeń, korzystając z usługi Google Cloud i 8 kart graficznych Nvidia K80, a cały proces zajął 4 dni. Po ukończeniu szkolenia sztuczna inteligencja została poproszona o wyprodukowanie 50 tysięcy indywidualnych obrazów, które zaskoczyły nawet samego autora.
Sztuczna inteligencja wygenerowała zarówno mnóstwo łatwo rozpoznawalnych sylwetek - ptaki, czworonogi, dinozaury, ryby, insekty, pajęczaki czy humanoidy, jak i wytworów… naszej koszmarnej wyobraźni, gotowych do wykorzystania w horrorach i koszmarach. Rezultaty były estetycznie satysfakcjonujące i widać było w nich rękę autora pierwotnych rysunków, chociaż nie obyło się bez pewnych potknięć. Z drugiej strony te również wnoszą coś ciekawego i na przykład na rysunkach pojawiają się kolory, pomimo że pierwotna baza danych była czarno-biała, więc model nie mógł się tego nauczyć z niej - najczęściej mają one miejsce, kiedy AI wkracza na niezbadane przez siebie terytorium, więc muszą być artefaktami „myśli” maszyny. Jak zauważa autor, może to być ciekawa obserwacja, bo jeśli wytrenujemy model na czarno-białych obrazach i zażądamy wyników w kolorze, to barwne plamy mogą wskazać nam obszary, w których AI nie jest jeszcze najlepsze i pozwalając nad nimi popracować.
Źródło: GeekWeek.pl/corte.si
