Skocz do zawartości

Rekomendowane odpowiedzi

 

Tutaj słowo klucz to "naśladowania". Kopiowanie na nikim nie robi wrażenie. Kreowanie to co innego...

 

oczywiście, ale jednak dawniej kopiowanie oznaczało uzyskanie identycznego obrazu, a tutaj bezosobowy malarz "podejmuje decyzje" w jakim miejscu dać konkretną kreskę, jak zagiąć konkretną falującą linię, gdzie do zdjęcia dodać charakterystyczny element z van gogha i jak go przekształcić żeby pasował.

gdyby robił to człowiek, to już powiedzielibyśmy że w ten sposób coś wyraża i coś tworzy, zainspirowany dziełem wielkiego malarza!

Odnośnik do komentarza
Udostępnij na innych stronach

Filtry artystyczne PS ?

W tym rzecz, że to nie ma nic wspólnego z filtrami. Poczytaj proszę, co to są sieci neuronowe i jak działają.
Filtr to zaprojektowany i zaprogramowany algorytm - zanim go uruchomisz, to dokładnie wiesz, co zrobi. Wyniku sieci neuronowej nikt nie programuje - tworzy go sama. Zdaję sobie sprawę, że bez podstaw machine learningu brzmi to śmiesznie :) Więc albo weźmiesz to na wiarę, albo po prostu się nauczysz programować, opanujesz algebrę liniową, trochę postudiujesz mechanikę mózgu i bam... wszystko będzie jasne.

Ludzie malując też przetwarzają, na bazie wcześniejszych doświadczeń, bodźców, itp. Jak już w innym wątku mówiłem, na razie mamy fragmenty inteligencji, wyspecjalizowane w danych dziedzinach. To czego oczekujesz będzie możliwe na końcu tej drogi, czyli jak "kropki zostaną połączone".

 

chciałem pokazać jakimi zaskakującymi rzeczami zajmują się ludzie pracujący w tej dziedzinie.

To efekt uboczny pracy, trochę tak, jak ładne kolorowe zdjęcia z Hubble.
  • Lubię 2
Odnośnik do komentarza
Udostępnij na innych stronach

Przecież wiem :) ale zmienia to faktu że szablon w postaci zdjęcia jest potrzebny, a to kładzie całą niezwykłość tej sieci.

Dokładnie tak samo, jak człowiekowi :) Zastanów się nad tym. To kwestia doświadczeń, pamięci, bodźców. Równie dobrze możesz do tego prostego systemu zapodać milion obrazów (tak samo, jak ty masz zbudowaną w mózgu taką bazę) i dać mu wolność kreacji. Łącząc to z machine learningiem, algorytmami genetycznymi powstanie niezły generator sztuki :D Po paru ewolucjach na pewno stworzy nowy trend, pytanie tylko - po co?

 

Jak słusznie Szuu napisał w poprzednim wątku, coś, co już zostanie dokonane przez maszynę staje się kolejnym "banalnym algorytmem". Chwilę temu nauka twierdziła, że nie da się tego zrobić (to co tu macie w tym wątku). Dzisiaj to już standard i nikogo nie dziwi. Za chwilę będziemy się porozumiewać naturalnym językiem - też będzie to "sztuczne" i mało niezwykłe. Nawet jeżeli w końcu komputer wykona postawione w poprzednim poście zadanie, za które ma dostać kratę piwa, to i tak w końcu powiesz - że to sztuczne i głupie, że to żaden problem, bo to nadal maszyna, a człowiek ma duszę :P

  • Lubię 1
Odnośnik do komentarza
Udostępnij na innych stronach

Odnośnik do komentarza
Udostępnij na innych stronach

Ciekawy wątek. Tak jak już Adam_Jesion napisał, nasze mózgi też działają według szablonu. Dlatego tak ciężko czasami jest nam wyjść z przyzwyczajenia, nawet wtedy gdy już tego nie ma na zewnątrz. Dopiero jak coś nagle się pojawi, dodajemy do tego szablonu ten nowy element, itd. w kółko.

Edytowane przez *Wojtek*
Odnośnik do komentarza
Udostępnij na innych stronach

Filtr to zaprojektowany i zaprogramowany algorytm - zanim go uruchomisz, to dokładnie wiesz, co zrobi. Wyniku sieci neuronowej nikt nie programuje - tworzy go sama.

 

Ekhm, a funkcję oceniającą postępy w uczeniu się sieci neuronowej to może ona sobie sama napisała? Sieć może uczyć się w sposób zautomatyzowany, ale tylko pod warunkiem że z góry ustali się kryteria tego co jest poprawne, a co nie. Algorytmy genetyczne doskonalą się na identycznej zasadzie. Wytrenowane mogą sprawiać wrażenie fantastycznie inteligentnych bestii, pod warunkiem że nie zmienimy minimalnie zasad.

  • Lubię 1
Odnośnik do komentarza
Udostępnij na innych stronach

Sieć może uczyć się w sposób zautomatyzowany, ale tylko pod warunkiem że z góry ustali się kryteria tego co jest poprawne, a co nie.

 

no nie do końca, można też zrobić żeby sieć sama uczyła się prawidłowości jakie zauważa w danych wejściowych, nie mówiąc jej wcześniej "o co chodzi". tak uczą się neurony w naszym mózgu, i sztuczne neurony też mogą.

 

ale tu bardziej chodzi o to, że sieć tworząca te obrazki "rozumie" style malowania bez uczenia się każdego z osobna, wystarczy pokazać jeden obraz przykładowy i "już umie" narysować podobny, mimo że wcześniej "nie widziała" takiego stylu, nie uczyła się go.

 

normalne filtry/efekty ktoś zaprojektował podając komputerowi jakie operacje ma po kolei wykonać.

tutaj dla nowego efektu pokazujemy przykład i mówimy "zrób żeby wyglądało tak jak na tym obrazku". to takie ludzkie, przecież my też tak się uczymy, przez naśladowanie!

  • Lubię 1
Odnośnik do komentarza
Udostępnij na innych stronach

ale kicha dali nierówną podkładkę pod papier :( i są skoki nie ładne ! linia powinna być czysta.

Co innego twórczość a co innego bezmyślne kopiowanie stylu innego twórcy, tego się nie da podpiąć pod inspirację, raz na uczelni zrobiłem taki obraz inspirowany mocno oj bardzo i dostałem taką korektę że mu się aż wstyd siebie zrobiło :)

Odnośnik do komentarza
Udostępnij na innych stronach

Ja uważam, a mogę się mylić, że samoświadomość jest jak życie, alb ewidentnie jest, albo jej nie ma wcale. A kiedy już zapłonie to ruszy z kopyta. I tak jak potrafimy odtwarzać życiopodobne mechanizmy, tak nie potrafimy jednak tchnąć w nie Boskiego pierwiastka.

Weźmy np. roślinę, której nie podlewaliśmy bo zapomnieliśmy, jest tylko jeden taki moment, chwila, która od zawsze mnie fascynuje, do której ona jeszcze była żywą istotą i moment w którym już nią nie jest. Gdybyśmy godzinę wcześniej ją podlali, zwiędnięte komórki naciągnęły by jeszcze wodę i całość jako organizm żyło by dalej, ale jest też taka chwila kiedy już podlewanie jej litrami wody ani wszelkie zabiegi już niczego nie odmienią, bo jest już jedynie martwą masą.

Te wszystkie algorytmy i neurony, są nadal jedynie martwymi masami, zbiorem zasad działających w obrębie pewnych reguł, jak te koła powyżej, musi jednak zaistnieć to coś, aby naprawdę zaczęły samoistnie "żyć" Tak ja to czuję.

  • Lubię 4
Odnośnik do komentarza
Udostępnij na innych stronach

ale tu bardziej chodzi o to, że sieć tworząca te obrazki "rozumie" style malowania bez uczenia się każdego z osobna, wystarczy pokazać jeden obraz przykładowy i "już umie" narysować podobny, mimo że wcześniej "nie widziała" takiego stylu, nie uczyła się go.

 

normalne filtry/efekty ktoś zaprojektował podając komputerowi jakie operacje ma po kolei wykonać.

tutaj dla nowego efektu pokazujemy przykład i mówimy "zrób żeby wyglądało tak jak na tym obrazku". to takie ludzkie, przecież my też tak się uczymy, przez naśladowanie!

 

Wszystko to kwestia togo co wkładamy do sieci neuronowej i czego oczekujemy na wejściu i jak oceniamy próby dopasowania które sieć wypluwa w trakcie uczenia. Równie dobrze można dać jej zdjęcia satelitarne i oczekiwać w odpowiedzi zaznaczonych obszarów na których płonie las, albo zeskanować odręcznie napisany tekst i poprosić o odczytanie (moja magisterka).

  • Lubię 1
Odnośnik do komentarza
Udostępnij na innych stronach

Ja uważam, a mogę się mylić, że samoświadomość jest jak życie, alb ewidentnie jest, albo jej nie ma wcale

 

oj to nadchodzą dla ciebie ciężkie czasy ^_^

 

zawsze było właśnie tak jak mówisz.

normalnie nie spotkamy obiektów o których trudno powiedzieć czy są żywe czy nieożywione.

ale już nawet moment śmierci lub stan świadomości osoby z uszkodzeniem/degeneracją mózgu wywołują wątpliwości (ewentualnie, postawieni w takiej sytuacji wydajemy werdykt odruchowo bo po co zaprzątać sobie głowę takimi rzadkimi "teoretycznymi" przypadkami).

 

jednak wskutek rozwoju tych technologii pojawią się w naszym otoczeniu twory, które będą na granicy życia i na granicy świadomości i nie będzie można tego tak po prostu odrzucić bez popadania w sprzeczność. może nawet będzie się określać świadomość w procentach i z podziałem na różne specjalizowane obszary.

  • Lubię 2
Odnośnik do komentarza
Udostępnij na innych stronach

 

Ekhm, a funkcję oceniającą postępy w uczeniu się sieci neuronowej to może ona sobie sama napisała? Sieć może uczyć się w sposób zautomatyzowany, ale tylko pod warunkiem że z góry ustali się kryteria tego co jest poprawne, a co nie.

 

To, co napisałeś odnosi się tylko do części algorytmów uczenia maszynowego, nazywanej "supervised learning". Oprócz tego są też takie, którym tej informacji "a'priori" daje się niewiele, albo w ogóle się jej nie daje.

 

 

 

Algorytmy genetyczne doskonalą się na identycznej zasadzie. Wytrenowane mogą sprawiać wrażenie fantastycznie inteligentnych bestii, pod warunkiem że nie zmienimy minimalnie zasad.

 

Algorytmy genetyczne to jednak zupełnie inna bajka - to są tak naprawdę algorytmy służące do optymalizacji, a więc do poszukiwania konkretnego rozwiązania. Trudno tu mówić o "trenowaniu" algorytmu genetycznego.

  • Lubię 3
Odnośnik do komentarza
Udostępnij na innych stronach

 

Algorytmy genetyczne to jednak zupełnie inna bajka - to są tak naprawdę algorytmy służące do optymalizacji, a więc do poszukiwania konkretnego rozwiązania. Trudno tu mówić o "trenowaniu" algorytmu genetycznego.

 

Dokładnie. W algorytmach genetycznych piękne jest to, że zamiast paru zmiennych możemy "optymalizować" ich całą masę jednocześnie, co generalnie oznacza, że każdą inną metodą osiągnięcie danego celu byłoby niemożliwe. Więc mimo, że to "tylko" optymalizacja, to w efekcie da się wyewoluować np. cały organizm. To tylko kwestia ilości parametrów i dobrych celów ;)

 

W sumie ewolucja to przecież nic więcej niż optymalizacja :) w sosie chaosu.

  • Lubię 1
Odnośnik do komentarza
Udostępnij na innych stronach

Swoją drogą w naszym astro światku zastosowań dla takie wąskiej AI i wspominanych algorytmów jest cała tona. Wypadałoby choćby zrobić porządek z archaicznym plate solvingiem od Pin Pointa i zrobić coś na miarę XXI wieku. Z danych na forum też by się co nieco AI poduczyło ;) - mogła by od razy oznaczać jakieś nowe rzeczy na zdjęciach (anomalie).

Odnośnik do komentarza
Udostępnij na innych stronach

To, co napisałeś odnosi się tylko do części algorytmów uczenia maszynowego, nazywanej "supervised learning". Oprócz tego są też takie, którym tej informacji "a'priori" daje się niewiele, albo w ogóle się jej nie daje.

Algorytmy genetyczne to jednak zupełnie inna bajka - to są tak naprawdę algorytmy służące do optymalizacji, a więc do poszukiwania konkretnego rozwiązania. Trudno tu mówić o "trenowaniu" algorytmu genetycznego.

 

Sieć neuronowa też uczy się jak najlepiej dopasować do postawionego przed nią problemu zmieniając wagi w węzłach zgodnie z algorytmem który nią rządzi. Mimo wszystko sieć musi mieć jakiś cel do którego dąży, sama niczego nie stworzy i nie wymyśli. Może się adaptować do zmian w środowisku, może uczyć się naśladować co przedstawia wartość artystyczną, a co nie. Ale to i tak będzie zależne od gustu trenera, sama sztuki nie stworzy.

Odnośnik do komentarza
Udostępnij na innych stronach

 

Sieć neuronowa też uczy się jak najlepiej dopasować do postawionego przed nią problemu zmieniając wagi w węzłach zgodnie z algorytmem który nią rządzi. Mimo wszystko sieć musi mieć jakiś cel do którego dąży, sama niczego nie stworzy i nie wymyśli.

 

To co piszesz tyczy się "klasycznej" sieci neuronowej, która należy właśnie do klasy algorytmów zwanej supervised learning (co na polski tłumaczy się zwykle jako uczenie nadzorowane). Są jednak też algorytmy, którym nie podaje się wiedzy. Jednym z takich rozwiązań jest sieć Kohonena (w angielskiej literaturze nazywana zwykle Self-organizing map).

 

A wracając do kwestii algorytmów genetycznych, to jest to jednak coś zupełnie innego. Algorytmy genetyczne służą do wyszukiwania sub-optymalnego rozwiązania jakiegoś skomplikowanego problemu (może to być np. wyszukiwanie optymalnej ścieżki w jakiejś dużej sieci) i z zasady algorytm ten niczego się nie uczy.

Dla odmiany sieci neuronowe (ale też inne algorytmy uczenia maszynowego, a jest ich całkiem sporo) "uczą się" rozpoznawać pewne wzorce. To, co stanowi o ich olbrzymim potencjale to fakt, że mają one zdolność generalizacji. Oznacza to, że jeśli np. nauczę sieć neuronową (albo inny podobny algorytm) rozpoznawania zdjęcia kota, pokazując mu w procesie nauki kilkaset zdjęć kotów, to później będzie on w stanie rozpoznać zdjęcia kotów, z którymi nigdy nie miał żadnej styczności. A rozpoznawanie wzorców to tylko jedno z zastosowań uczenia maszynowego. Inne to m.in. klasteryzacja (grupowanie), systemy rekomendacyjne i inne.

Odnośnik do komentarza
Udostępnij na innych stronach

Dołącz do dyskusji

Możesz dodać zawartość już teraz a zarejestrować się później. Jeśli posiadasz już konto, zaloguj się aby dodać zawartość za jego pomocą.

Gość
Dodaj odpowiedź do tematu...

×   Wklejono zawartość z formatowaniem.   Usuń formatowanie

  Dozwolonych jest tylko 75 emoji.

×   Odnośnik został automatycznie osadzony.   Przywróć wyświetlanie jako odnośnik

×   Przywrócono poprzednią zawartość.   Wyczyść edytor

×   Nie możesz bezpośrednio wkleić grafiki. Dodaj lub załącz grafiki z adresu URL.

×
×
  • Dodaj nową pozycję...

Powiadomienie o plikach cookie

Umieściliśmy na Twoim urządzeniu pliki cookie, aby pomóc Ci usprawnić przeglądanie strony. Możesz dostosować ustawienia plików cookie, w przeciwnym wypadku zakładamy, że wyrażasz na to zgodę.