ما شاهدته الشبكة العصبية في الصورة الأولى لثقب أسود

الأصدقاء ، ربما يتذكر الكثيرون صور الثقب الأسود التي صدمت الجميع في أبريل من هذا العام. لقد وجدنا مادة مهمة للغاية سنتحدث فيها عن خوارزميات الذكاء الاصطناعي "تفكر" في صورة الثقب الأسود. من خلال ترجمة هذه المواد ، نواصل سلسلة من المنشورات المخصصة لإطلاق دورة Python Neural Networks . نحن نحذرك من أن المواد تبين أنها أكثر تسلية من المعلومات ، ولكن هذه الصور تستحق المشاهدة بالتأكيد. دعنا نذهب.



في 11 أبريل ، حقق علماء ومهندسون من تلسكوب Team of Event Horizon طفرة حقيقية في فهم العمليات التي تحدث في الفضاء الخارجي. وقدموا الصورة الأولى (صورة) من ثقب أسود. هذا عزز نظرية آينشتاين العامة للنسبية ، وهي الفرضية التي تقول إن "الأجسام الضخمة تسبب تشويها في الزمان والمكان ، وهو ما ينعكس في شكل تغييرات الجاذبية".

حسنًا ، أنا لست فيزيائيًا أو فلكيًا لفهم أو شرح كيف يعمل هذا ، لكنني ، مثل ملايين الأشخاص الذين يعملون في مجالات مختلفة ، مفتونون بالفضاء وخاصة ظاهرة الثقب الأسود. تسببت الصورة الأولى للثقب الأسود في موجة من البهجة في جميع أنحاء العالم. أنا متخصص في التعلم العميق ، والذي يعمل بشكل رئيسي مع الشبكات العصبية التلافيفية ، وأصبح من المثير للاهتمام بالنسبة لي أن خوارزميات الذكاء الاصطناعي "تفكر" في صورة الثقب الأسود. هذا هو ما سنتحدث عنه في المقال.

يصف هذا المقتطف من Epoch Times الثقب الأسود كما يلي: "تتكون الثقوب السوداء من" الكثير من المواد المعبأة في مساحة صغيرة جدًا "، تتكون في الغالب من" بقايا نجم كبير مات خلال انفجار المستعر الأعظم ". تحتوي الثقوب السوداء على حقل ثقالي قوي لا يمكن للضوء أن يفلت منه. الصورة الناتجة عن الثقب الأسود M87 موضحة أدناه. هذه الظاهرة موضحة جيدًا في مقال "كيفية فهم صورة الثقب الأسود ، وفقًا لاثنين من علماء الفيزياء الفلكية" .


الثقب الأسود - M87 - حدث الأفق تلسكوب



مناطق مختلفة من ثقب أسود. لقطة شاشة من فيديو vox - لماذا تعتبر هذه الصورة ذات الثقب الأسود مشكلة كبيرة

1. ما يراه CCN في صورة ثقب أسود

CCN (شبكة العصبية التواءية) - الشبكات العصبية التلافيفية - فئة من خوارزميات التعلم العميق الفعالة للغاية في التعرف على الأشياء الواقعية. تُعد CCNs أفضل الشبكات العصبية لتفسير الصور والتعرف عليها. يتم تدريب هذه الشبكات العصبية على مليون صورة وتدريبهم على التعرف على حوالي 1000 كائن مختلف من العالم المحيط. فكرت في إظهار صورة الثقب الأسود لشبكتين عصبيتين تدريبيتين مدرّبتين ونرى كيف يتعرفان عليه ، ما هو شكل العالم من حوله مثل الثقب الأسود. هذه ليست فكرة حكيمة ، نظرًا لأن صورة الثقب الأسود تم إنشاؤها من خلال الجمع بين مختلف الإشارات التي وردت من الفضاء باستخدام معدات خاصة ، لكنني أردت فقط أن أعرف كيف سيتم تفسير الصورة دون أي معلومات إضافية حول الإشارات.


VGG-16 توقعات الشبكة العصبية - المباراة


VGG-19 توقعات الشبكة العصبية - المباراة


توقعات الشبكة العصبية ResNet-50 - شمعة

كما نرى في الصور أعلاه ، يرى VGG-16 و VGG-19 المدربين وجود ثقب أسود كمباراة ، ويعتقد ResNet-50 أنه شمعة. إذا وضعنا تشابهاً مع هذه الأشياء ، فسوف نفهم أن ذلك أمر منطقي ، لأن كل من الحرقتين والشمعة لديهما مركز مظلم تحيط به ضوء أصفر ساطع كثيف.

2. ما هي علامات CCN المستخرجة من صورة ثقب أسود

فعلت شيئًا آخر ، تصورت ما تولده الطبقات الوسيطة VGG-16. تسمى شبكات التعلم العميق بعمق ، لأنها تحتوي على عدد معين من الطبقات ، وكل منها يعالج تمثيل وخصائص الصورة عند الإدخال. دعونا نرى ما تتعلمه طبقات الشبكة المختلفة من الصورة الواردة. وكانت النتيجة جميلة جدا.


64 بطاقة مميزة للطبقة التلافيفية الأولى VGG-16

إذا ألقيت نظرة فاحصة ، فسترى أن منطقة مشرقة صغيرة هي علامة قوية ، ويتم امتصاصها بعد المرور عبر معظم المرشحات. يتم عرض بعض إخراج المرشح المثير للإعجاب أدناه ، ويبدو بالفعل كأنه نوع من الأجرام السماوية.


4 من 64 بطاقات ميزة من الطبقة التلافيفية الأولى


64 بطاقة ميزة من الطبقة التلافيفية الثانية VGG-16

قم بتكبير بعض خرائط الميزات المثيرة للاهتمام للطبقة الثانية من الشبكة العصبية.


6 من 64 بطاقات ميزة من الطبقة التلافيفية الثانية

الآن سنذهب أكثر عمقًا وننظر إلى الطبقة التلافيفية الثالثة.


128 بطاقة مميزة للطبقة التلافيفية الثالثة VGG-16

بعد الاقتراب نجد نمطًا مألوفًا.


8 من خرائط الميزات المعروضة أعلاه على الطبقة الثالثة

تتحرك أعمق ، نحصل على شيء مثل هذا.


6 بطاقات من أصل 128 مع 4 طبقات تلافيفية VGG-16

تعميقًا ، نحصل على معلومات مجردة عالية المستوى ، وعندما نتصور الطبقات 7 و 8 و 10 من الإلتواء ، سنرى فقط معلومات عالية المستوى.


خريطة مميزة للطبقة التلافيفية السابعة

كما نرى ، فإن العديد من خرائط الميزات مظلمة وتتعلم فقط الميزات الرفيعة المستوى المحددة اللازمة للتعرف على هذه الفئة. في الطبقات العميقة ، تصبح أكثر وضوحًا. الآن نقوم بالتكبير ونلقي نظرة على بعض المرشحات.


6 بطاقات ميزة

الآن النظر في 512 بطاقات ميزة من الطبقة التلافيفية العاشرة.


بطاقات ميزة 10 طبقة تلافيفي.

الآن ترى أنه في معظم خرائط الميزات المستلمة يتم قبول منطقة الصورة فقط كميزة. هذه هي علامات عالية المستوى مرئية للعصبونات. دعونا نلقي نظرة فاحصة على بعض خرائط الميزات أعلاه.


بعض البطاقات هي 10 مستويات تلافيفية ، وزيادة في الحجم

الآن وقد رأينا أن CCN تحاول العزلة عن صورة الثقب الأسود ، فلنحاول نقل هذه الصورة إلى خوارزميات الشبكة العصبية الشائعة الأخرى ، مثل Neural Style Transfer و DeepDream.

3. نحاول نقل النمط العصبي والحلم العميق على صورة ثقب أسود

نقل النمط العصبي عبارة عن شبكة عصبية ذكية توفر "نمط" صورة ما لصورة مصدر أخرى ، وفي النهاية تخلق صورة فنية. إذا كنت لا تزال لا تفهم ، فسوف توضح الصور أدناه المفهوم. لقد استخدمت الموقع deepdreamgenerator.com لإنشاء صور فنية مختلفة من الصورة الأصلية للثقب الأسود. تحولت الصور مثيرة للاهتمام للغاية.


نمط انتقال. الصور التي تم إنشاؤها باستخدام deepdreamgenerator.com

DeepDream هو برنامج لرؤية الكمبيوتر أنشأه مهندس Google Alexander Mordvintsev يستخدم شبكة عصبية تلافيفية للبحث عن الأنماط الموجودة في الصور وتحسينها باستخدام شبه المعبود الحسابي ، وبالتالي إنشاء صورة مهلوسة من الصور التي تتم معالجتها عن قصد.


حلم عميق الصور التي تم إنشاؤها باستخدام deepdreamgenerator.com

في مقاطع الفيديو هذه حول Deep Dream ، سترى كيف يمكن للصور الهلوسة أن تنشئها.

هذا كل شئ! لقد صدمت للغاية عندما رأيت أول صورة لثقب أسود ، وعلى الفور كتبت هذه المقالة الصغيرة. المعلومات الواردة فيه قد لا تكون مفيدة للغاية ، ولكن الصور التي تم إنشاؤها أثناء كتابتها والمذكورة أعلاه تستحق ذلك تمامًا. استمتع بالصور!

اكتب في التعليقات كيف تحصل على المواد. نحن في انتظار الجميع عند الباب المفتوح في دورة "الشبكات العصبية في بيثون" .