तंत्रिका नेटवर्क ने एक पुस्तक को कवर करके न्याय करना सीखा

लगातार अभिव्यक्ति "अपने कवर द्वारा एक पुस्तक का न्याय न करें" अकेले किसी व्यक्ति या किसी व्यक्ति का मूल्यांकन करने के खिलाफ चेतावनी देता है। लेकिन जब पाठक पुस्तक को देखता है, तो यह सभी समान होता है: परिचित आमतौर पर एक कवर के साथ शुरू होता है। यह वह है जो सामग्री की पहली छाप छोड़ता है और किसी व्यक्ति के दिमाग में इतिहास बनाना शुरू करता है। अच्छे कवरों को सिर्फ आंका जाता है।

लोग एक पुस्तक के दृश्य डिजाइन पर बमुश्किल से एक शैली को परिभाषित करने का एक बड़ा काम करते हैं। सहमत हूँ कि केवल कवर को देखकर एक रसोई की किताब, जीवनी या गाइडबुक चुनना बहुत आसान है। फिर एक दिलचस्प सवाल यह उठता है: क्या कृत्रिम बुद्धिमत्ता किसी व्यक्ति के रूप में किसी पुस्तक को उसके आवरण से सफलतापूर्वक आंक सकती है?

जापान की क्यूशू यूनिवर्सिटी के वैज्ञानिकों ने इसका जवाब पाने की कोशिश की । उन्होंने एक दृढ़ तंत्रिका नेटवर्क ( CNN) के सामने रखा) पुस्तक कवर का अध्ययन करने और जिस श्रेणी से वे संबंधित हैं उसका निर्धारण करने का कार्य। प्रशिक्षण विधि काफी सरल हो गई: शोधकर्ताओं ने पुस्तक के शीर्षक, लेखक का नाम और शैली के साथ Amazon.com से 13.5 हजार से अधिक कवर डाउनलोड किए। एक श्रेणी को परिभाषित करने के अलावा, यह डेटा सेट भविष्य में न्यूरल नेटवर्क को प्रशिक्षित करने और फोंट को पहचानने और अन्य डिजाइन समस्याओं को हल करने के लिए उपयोगी हो सकता है। अपने प्रयोग में, वैज्ञानिकों ने केवल शैलियों का उपयोग किया, सेट से अन्य सभी डेटा को त्याग दिया। तंत्रिका नेटवर्क 20 संभावित शैलियों में समझा गया। यदि पुस्तक को एक साथ कई श्रेणियों में दोहराया गया था, तो वैज्ञानिकों ने केवल पहले एक को इंगित किया।



अनुसंधान टीम ने कवर नेटवर्क के आधार पर शैली को पहचानने के लिए तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए 80% डेटा सेट का उपयोग किया। उनके प्रयोग में जो तंत्रिका नेटवर्क था, उसमें चार परतें थीं, जिनमें से प्रत्येक में 512 न्यूरॉन्स थे। साथ में, उन्होंने कवर डिजाइन और शैली के बीच संबंध का निर्धारण करना सीखा। डेटा सेट का एक और 10% नेटवर्क की जांच करने के लिए चला गया। अंतिम चरण में, शेष 10% का उपयोग यह निर्धारित करने के लिए किया गया था कि नेटवर्क अपरिचित चित्रों को कितनी अच्छी तरह वर्गीकृत कर सकता है।

परिणाम काफी दिलचस्प था। एल्गोरिथ्म ने 40% मामलों में सबसे अधिक बार सामना की जाने वाली तीन शैलियों को सही ढंग से निर्धारित किया। अन्य सभी शैलियों के साथ, सटीकता लगभग 20% थी। यह सिर्फ एक दुर्घटना से काफी बेहतर है। तंत्रिका नेटवर्क के अपेक्षाकृत सही संचालन से पता चलता है कि कवर द्वारा पुस्तकों का वर्गीकरण एक वास्तविक, यद्यपि कठिन कार्य है।

कुछ शैलियों ने दूसरों की तुलना में पहचानना आसान साबित कर दिया है। उदाहरण के लिए, कंप्यूटर और प्रौद्योगिकी के बारे में यात्रा पुस्तकें या किताबें अपेक्षाकृत आसान हैं, क्योंकि डिजाइनर आमतौर पर कवर छवियों का उपयोग करते हैं जो अर्थ में समान हैं। इसके अलावा, वैज्ञानिकों ने पाया कि न्यूरल नेटवर्क ने कुकबुक को आसानी से पहचान लिया अगर तस्वीरों को उनके डिजाइन में इस्तेमाल किया गया था।



हालांकि, तंत्रिका नेटवर्क को संदेह करना शुरू हो गया कि क्या यह खाना पकाने से संबंधित अप्रत्यक्ष रूप से किसी कुक या अन्य वस्तुओं की तस्वीर के कवर पर दिखाई देने लायक था।

आत्मकथाओं और संस्मरणों ने तंत्रिका नेटवर्क में भी कठिनाइयों का कारण बना: बहुत बार ऐसी किताबें ऐतिहासिक श्रेणी में भेजी जाती थीं। दिलचस्प बात यह है कि इनमें से कई पुस्तकों के लिए, यह इतिहास था जो अमेज़ॅन डॉट कॉम पर द्वितीयक शैली में बदल गया था। इसलिए, यह नहीं कहा जा सकता है कि एल्गोरिथ्म 100% गलत था।



सीएनएन ने कॉमिक्स और ग्राफिक उपन्यासों के साथ-साथ गणित की पाठ्य पुस्तकों के साथ मेडिकल किताबों के साथ बच्चों की पुस्तकों को भी भ्रमित किया। यह आश्चर्य की बात नहीं है, इन श्रेणियों के बीच कुछ समानताएं दी गई हैं। नेटवर्क को कानून और धर्म में पुस्तकों के साथ भी गलत किया गया था जो कि अलग-अलग थे, लेकिन डिजाइन में समान थे। आमतौर पर उनके कवर या तो एक रंग में बिना किसी चित्र के बनाए जाते हैं, या अमूर्त चित्रों के साथ।

जापानी वैज्ञानिकों द्वारा प्रस्तुत कार्य में एक महत्वपूर्ण कमी है। उन्होंने अपने तंत्रिका नेटवर्क के प्रदर्शन की तुलना किसी व्यक्ति द्वारा कवर द्वारा शैलियों की पहचान करने की क्षमता के साथ नहीं की थी। यह एक दिलचस्प प्रयोग होगा, जिसे ऑनलाइन प्लेटफॉर्म पर क्राउडसोर्सिंग द्वारा व्यवस्थित करना आसान होगा। और जब तक इस प्रयोग को अंजाम नहीं दिया जाता है, तब तक हम यह नहीं जान पाएंगे कि कृत्रिम बुद्धिमत्ता किसी व्यक्ति से बेहतर कार्य का सामना करती है या नहीं। लेकिन इस कष्टप्रद चूक के बावजूद, हम चाहे कितनी भी अच्छी तरह से कवर करके शैलियों को परिभाषित कर लें, कार एक दिन इसे तेजी से करने में सक्षम होगी। यह केवल समय की बात है।

हालांकि, इस अध्ययन का परिणाम उल्लेखनीय है। जब यह पुस्तक कवर की बात आती है तो यह डिजाइनरों को अपने कौशल को सुधारने में मदद कर सकता है। आप आगे भी जा सकते हैं और मानव हस्तक्षेप के बिना डिजाइनिंग कवर की तकनीक सिखा सकते हैं। भविष्य में, इसका मतलब यह हो सकता है कि किसी व्यक्ति द्वारा कवर डिजाइन बनाना एक और कार्य है जो इतिहास अभिलेखागार में जाएगा।

ग्राफिक डिजाइन अपेक्षाकृत हाल ही में मशीन सीखने का एक उद्देश्य बन गया है। तंत्रिका नेटवर्क के व्यावहारिक अनुप्रयोग में सबसे प्रसिद्ध अनुभव जुड़ा हुआ है, सबसे पहले, चित्रों के प्रसिद्ध लेखकों की कलात्मक शैली की पहचान और इसके आगे के हस्तांतरण के साथअन्य छवियों के लिए। क्यूशू विश्वविद्यालय के शोधकर्ताओं ने एक समान लक्ष्य का पीछा किया, लेकिन थोड़ा और आगे बढ़े: उन्होंने डिजाइन शैली के पीछे छिपे अर्थ को प्रकट करने की कोशिश की। यदि हम वर्गीकरण के बारे में बात करते हैं, तो पहले से ही शैली द्वारा संगीत , चित्र , ग्रंथों को क्रमबद्ध करने के लिए तंत्रिका नेटवर्क को सिखाने का प्रयास किया गया है ।

वैज्ञानिक कार्य arXiv.org ( ArXiv: 1610.09204 [cs.CV]) पर प्रकाशित हुआ है।

Source: https://habr.com/ru/post/hi398965/