😛 🈵 👆🏼 द बर्थ ऑफ द मैट्रिक्स: कृत्रिम तंत्रिका नेटवर्क ने लोगों के यथार्थवादी चेहरे और बेडरूम के अंदरूनी हिस्सों को बनाना सीखा 🍼 🐠 🧛

मैट्रिक्स में, अपने पहले भाग में, न केवल एक बुद्धिमान कंप्यूटर प्रणाली एक आभासी दुनिया बना सकती थी, बल्कि एक विद्रोही जहाज नबूकदनेस्सर के कंप्यूटर भी एक छोटी आभासी दुनिया पैदा कर सकते थे। कई लोग लाल रंग की लड़की को याद करते हैं, जो एक सिमुलेशन में दिखाई दी थी - उसे घोषणा में चित्र में दिखाया गया है। वास्तविक दुनिया का ऐसा आभासी मॉडल बनाने से पहले, हम (और हमारे कंप्यूटर) अभी भी बहुत दूर हैं। लेकिन अभी कुछ है।

इंडिको और फेसबुक के शोधकर्ताओं की एक टीम ने एक तंत्रिका नेटवर्क बनाया है जो यथार्थवादी छवियों को "आविष्कार" कर सकता है। वैसे, तंत्रिका नेटवर्क का विकास यहां पाया जा सकता है । कृत्रिम तंत्रिका नेटवर्क ( एएनएन)) - एक गणितीय मॉडल, साथ ही इसके सॉफ्टवेयर या हार्डवेयर कार्यान्वयन, संगठन और जैविक तंत्रिका नेटवर्क के कामकाज के सिद्धांत पर बनाया गया है - एक जीव के तंत्रिका कोशिकाओं के नेटवर्क। अब ANN का उपयोग कई क्षेत्रों में किया जाता है, जिसमें बिग डेटा के साथ पूर्वानुमान, पैटर्न की पहचान शामिल है। इंडिको के एलेक रैडफोर्ड और उनके सहयोगियों ने इस तरह के एनआईएस पर जेनेरिक एडवरसैरियल नेटवर्क पर ध्यान देने का फैसला किया।

इस तरह के नेटवर्क में, सिस्टम का एक हिस्सा दूसरे हिस्से को "ट्रिक" करने के लिए गलत डेटा की एक सरणी बनाने की कोशिश करता है। यह विचार था कि यदि आप लगातार इस प्रक्रिया को दोहराते हैं, तो सिस्टम बेहतर चित्र बनाने का तरीका सीखेगा।

अध्ययन के लेखकों ने बेडरूम छवियों की एक सरणी के आधार पर एक प्रणाली को प्रशिक्षित किया। फिर सिस्टम को अपनी छवियां बनाने के लिए कहा गया। यह सुनिश्चित करने के लिए कि सिस्टम वास्तव में मूल छवियां बनाता है, और उन्हें डेटाबेस से कॉपी नहीं करता है, विशेषज्ञों ने एक ही बेडरूम की छवि के संशोधनों की एक श्रृंखला उत्पन्न करने की कमान दी - उदाहरण के लिए, बिना खिड़की के, एक टेबल या टीवी के साथ। इस तकनीक ने यह सत्यापित करना संभव बना दिया कि सिस्टम ने अपने दम पर अंदरूनी निर्माण करना सीखा।

इसके अलावा, विशेषज्ञों ने छवियों को बनाने के लिए प्रणाली को प्रशिक्षित किया, जहां एक महत्वपूर्ण हिस्सा (उदाहरण के लिए, एक खिड़की) को कुछ द्वारा प्रतिस्थापित किया जाता है। उदाहरण के लिए, एक सिस्टम एक खिड़की को एक टेलीविजन या चिमनी के साथ बदल देता है। यह इंगित करता है कि सिस्टम ने "समझना" सीख लिया है कि इंटीरियर का एक निश्चित हिस्सा क्या है।

एक समान सिद्धांत का उपयोग अन्य शॉट्स के लिए किया जा सकता है, जैसे कि पोर्ट्रेट तस्वीरें। एक अन्य प्रयोग में, शोधकर्ताओं ने प्रणाली को मुस्कुराते हुए महिला की तस्वीर को उजागर करने के लिए कहा, फिर एक तटस्थ अभिव्यक्ति और एक तटस्थ अभिव्यक्ति के साथ एक आदमी को "जोड़ें"। लक्ष्य "मुस्कान" की अवधारणा को बाहर करना है और इसे "आदमी" की अवधारणा के साथ जोड़ना है।

नतीजतन, शोधकर्ताओं ने मुस्कुराते हुए पुरुषों की छवियों का एक सेट प्राप्त किया।

अब, दुर्भाग्य से, छवियों का आकार 32 * 32 पिक्सेल तक सीमित है, जो सिस्टम को तेज और अधिक कुशल बनाता है। काम का अगला चरण वीडियो और ऑडियो के लिए ऐसी योजना का स्थानांतरण है।

और 3 डी प्रभाव को जोड़ने के बाद, प्लस डायनामिक्स, प्लस अतिरिक्त पर्यावरण विवरण, हमें एक पूर्ण "मैट्रिक्स" मिलता है। या नहीं?

More articles: