एआई इंटरफेस और जहां वे रहते हैं

हाल ही में, हमने हैबर पर एक कॉलम लिखा है कि हमने अपना ऑनलाइन खिलौना कैसे जारी किया। जिन ट्रिक्स के बारे में हम गंभीर रूप से भ्रमित थे, उनमें से एक तस्वीर ("प्रोटोटाइप में काम करते हुए और खेल का हिस्सा नहीं है) से आपके चरित्र" फ्लाई पर "के लिए अवतार की पीढ़ी थी। एक ही समय में, प्रौद्योगिकी ही दिलचस्प है और न केवल हमारे साथ दूर तक लागू किया जा सकता है। जैसा कि वादा किया गया था, हम इसके बारे में अधिक विस्तार से बात करते हैं और हमें प्रोटोटाइप को लाइव महसूस करते हैं!

कटौती के तहत आप यह भी पा सकते हैं: क्यों उन्होंने एक एटिपिकल एआई प्रशिक्षण प्रणाली के पक्ष में एक विकल्प बनाया - डेटा को चिह्नित किए बिना, और हम इसे वैज्ञानिक नवाचार क्यों मानते हैं; एआई अवतारों का निर्माण करते समय हमारे फेकैपी को दोहराया जाने की आवश्यकता नहीं है; कैसे और कहाँ डोमेन अनुकूलन आज प्रयोग किया जाता है।

अगर पोस्ट पढ़ने का समय नहीं है

हम अभी एआई के काम को देखने के लिए लिंक का अनुसरण करते हैं।

कृपया ध्यान दें:
1. कनवर्टर जल्दी से काम नहीं करता है, इसलिए धैर्य रखें, गैर-उत्पादन क्षमता का उपयोग किया जाता है।
2. इस प्रणाली को केवल पुरुष क्षेत्र में प्रशिक्षित किया गया था, ताकि महिला की तस्वीरें आपको पुरुषों को छोड़ दें, संभवत: इसका अनुकरण करें। पोर्ट्रेट समानता की उम्मीद नहीं की जानी चाहिए, क्योंकि उपयोग किए गए तत्वों की संख्या जानबूझकर सीमित है, हम इस बारे में नीचे बात करेंगे।

एआई अवतार बनाने का विचार कहां से आया?

वह नीले रंग से बाहर नहीं आया। कई वर्षों से uKit Group में मशीन लर्निंग पर काम चल रहा है। इसलिए, प्रोजेक्ट वेबसकोर एआई , जो वास्तविक समय साइट के दृश्य आकर्षण का मूल्यांकन करता है, लगभग एक साल पहले सभी कॉमर्स के लिए खुला था और कंपनी के आंतरिक उद्देश्यों के लिए सफलतापूर्वक उपयोग किया गया था।

खेल के विकास में तंत्रिका नेटवर्क का उपयोग एक ऐसा विषय है जो समय-समय पर काफी प्रचार प्राप्त करता है। रिकॉल नो मैन्स स्काई या रिमवर्ल्ड, जिसने खेल के ध्यान का अपना हिस्सा प्राप्त किया, और न केवल पूरी तरह से उत्पन्न ब्रह्मांड के कारण समुदाय, जिसमें लेखकों के अनुसार लगभग अनंत परिवर्तनशीलता है। सच है, वास्तव में, दुनिया की पीढ़ी प्रक्रियात्मक थी, और इसलिए इसका तंत्रिका नेटवर्क से कोई लेना-देना नहीं है। हालांकि, यहां का रुझान स्पष्ट है - बाजार इसके लिए तैयार है और इंतजार कर रहा है, अपने हाथों को रगड़ रहा है!

हमने सोचा कि आपकी तस्वीर को गेम में अपलोड करने की क्षमता है और तुरंत एक व्यक्तिगत अवतार मिलता है जो आपको सबसे अधिक दिखता है, जो किसी और के पास नहीं है, मजेदार है और एक दिलचस्प मोहक चिप बन सकता है। इसके अलावा, प्रौद्योगिकी खेल के बाहर अपने आवेदन को स्पष्ट रूप से पा सकती है।

यह ध्यान देने योग्य है कि वेब टाइकून में एक वास्तविक व्यक्ति के साथ चरित्र की समानता रिश्तेदार होगी। यह एक जानबूझकर कदम है, क्योंकि हम अपने डिजाइनरों द्वारा तैयार किए गए तत्वों से अवतार एकत्र करेंगे। और इसके कई कारण हैं। सबसे पहले, बाहर निकलने पर हम गेम की शैली में गेम अवतार प्राप्त करना चाहते हैं, जबकि कई के फ्लैट पसंदीदा को संरक्षित करते हैं। दूसरे, हम निश्चित रूप से इसे सुरक्षित रूप से खेलते हैं, क्योंकि यह आपको उपयोगकर्ता द्वारा अपलोड किए गए की परवाह किए बिना हमेशा एक पोर्ट्रेट छवि प्राप्त करने की अनुमति देता है।

आखिरकार, हर कोई प्रतिद्वंद्वियों के बीच एक यथार्थवादी ककड़ी नहीं देखना चाहता है।

टैग किए गए डेटा के बिना मॉडल प्रशिक्षण

मशीन लर्निंग के इस दृष्टिकोण को अभिनव कहा जा सकता है, क्योंकि वास्तव में, एआई बिना किसी प्रारंभिक चिह्नित डेटा के सीखता है। यह क्या हो रहा है? सफलता की कुंजी सिंथेटिक डेटा उत्पन्न करने के लिए उपकरणों की उपलब्धता है। संभावित सवालों के आगे: हम अपना खुद का नहीं दे सकते।

आपने हमारे एआई को इस तरह प्रशिक्षित करने का फैसला क्यों किया? डेटा मार्कअप मूल्यांकनकर्ताओं का एक नीरस और बहुत ही चमकदार काम है। और अगर डिजाइनर अचानक गेम में जोड़ने का फैसला करते हैं, उदाहरण के लिए, एक तीसरे प्रकार के चश्मा (सिस्टम लिखने के समय उनमें से दो थे), तो यह सब कुछ फिर से चिह्नित करना आवश्यक होगा, क्योंकि प्रत्येक पहले से चिह्नित उदाहरण अब संभवतः इष्टतम नहीं है।

इसके अलावा, हमारे मामले में, इस तरह के एक पल को विचारशीलता के रूप में देखने लायक भी था: यदि आप 10 लोगों को एक फोटो के लिए एक अवतार लेने के लिए देते हैं, तो हमें आउटपुट पर 10 अलग-अलग अवतार मिलते हैं। हमने जाँच की।

मूल फोटो:

और हमारी कंपनी के दो अलग-अलग डिजाइनरों के परिणाम:

मैन वर्सेस मशीन

प्रशिक्षण आसान नहीं था। सबसे पहले, हमारे एआई ने सभी तरह से इसकी पुष्टि की:

अगर किसी को अचानक समझ में नहीं आया, तो मूल फोटो यहां वही है। एआई आंखों के नीचे बैग को धूप के चश्मे में बदल देता है। एक उपहार के रूप में हुसेर एंटीना। रियल वर्कहोलिक्स इसे एक सुविधा के रूप में मान सकता है, बग नहीं।

नीचे कुछ और संकेत दिए गए हैं।

वह अभी अंक जोड़ नहीं सकता है और यहां तक ​​कि कपड़े भी पहन सकता है! रंग प्रजनन के साथ कुछ समस्याएं हैं।

सीधे विकास की प्रक्रिया के बारे में

एक शुरुआती बिंदु के रूप में, हमने कई तैयार स्टाइल ट्रांसफर समाधानों को लिया, लेकिन हमें जल्दी से उन्हें छोड़ना पड़ा, क्योंकि वे हमारे शुद्ध रूप में हमारे अनुरूप नहीं थे। हमने अपने दम पर जेनेरेटिव मॉडल का उपयोग करने का भी प्रयास किया, लेकिन जल्दी से इस निष्कर्ष पर पहुंचे कि हमारे पास आए ज्यादातर समाधानों में कार्यान्वयन के उदाहरण नहीं थे, या परिणाम नहीं दिया।

परिणामस्वरूप, पहला सफल जेनेरिक मॉडल CycleGAN था, जिसे हमने अपनी आवश्यकताओं के अनुसार पूरा करते हुए एक आधार के रूप में लिया। मानक CycleGAN की सहायता के लिए अवधारणात्मक हानि को बुलाया गया था। यह परिणामी छवियों के लिए बहुत ही उल्लेखनीय रूप से जोड़ा गया है।

नीचे आप क्रिया में CycleGAN देख सकते हैं:

या एक और उदाहरण, स्पष्ट और सभी के लिए परिचित जो कम से कम एक बार प्रिज्मा एप्लिकेशन का उपयोग करते हैं:

परंपरागत रूप से मुख्य कठिनाई सामान्य रूप से सीखने के लिए जेनेरेटिव मॉडल प्राप्त करना है। इस तरह के मॉडल के पूरे परिवार में बहुत अधिक विशेषता वाले घाव हैं जो हाल के वर्षों में सब कुछ हल करने की कोशिश कर रहे हैं: एक लंबा प्रशिक्षण समय, मोड पतन, आरंभीकरण की संवेदनशीलता।

विशुद्ध रूप से इंजीनियरिंग की समस्याएं भी थीं, जिन्हें सिद्धांत रूप में, कई लोगों द्वारा सामना किया जाना चाहिए, लेकिन किसी कारण से इसके बारे में कुछ लिखते हैं। उदाहरण के लिए, हमें वृद्धि के साथ डेटा का त्वरित समानांतर लोडिंग करने की आवश्यकता है, और केरस / tf / पाइटरॉच में प्रस्तुत संवर्द्धन का मानक सेट हमारे लिए पर्याप्त नहीं था। इसके अलावा, शुरू में मैं सीपीयू में वृद्धि करना चाहता था। सीपीयू पर ऑग्मेंटेशन के अपने निर्विवाद फायदे हैं, जिनमें से मुख्य, हमारी राय में, वीडियो कार्ड को "ऑफलोड" करने की क्षमता है, जिससे दोनों कंप्यूटरों के बीच जिम्मेदारियां साझा होती हैं।

समस्याओं को कैसे हल करें

प्रशिक्षण गण के मामले में, हमने मुख्य रूप से नुकसान कार्यों (हानि कार्यों) के साथ काम किया। इसलिए, हमने अधिक पहचान हानि और रंग हानि को जोड़ा। उसी समय, हम CycleGAN के अंदर जनरेटर की वास्तुकला के साथ खेले, और परिणामस्वरूप हम 12-ब्लॉक रेजनेट (मूल एक हमारे लिए थोड़ा छोटा था) में आए।

कोड को दोहराने के मामले में, हमने मॉडलों पर उच्च-स्तरीय आवरण लिखे, जिससे हमें एक साथ कई मॉडलों में उपयोग किए गए कोड का पुन: उपयोग करने की अनुमति मिली। दिनांक जनरेटर के लिए कोड को समान कारणों से भी इसी तरह से सामान्यीकृत किया जाता है।

तीसरी समस्या को हल करने के लिए (सीपीयू पर वृद्धि के साथ लोड हो रहा है), मुझे अपनी चिप के साथ आना और लिखना था, लेकिन अगली बार कुछ समय के बारे में। हम केवल यह कहेंगे कि यह इस कारण से है कि प्रौद्योगिकी का उपयोग अन्य परियोजनाओं के लिए सफलतापूर्वक किया जा सकता है जो किसी भी तरह से अवतार से जुड़े नहीं हैं।

एआई-इंटरफेस बनाते समय फेकैपी

मुख्य गलती कार्य की जटिलता का गलत आकलन है। पहली नज़र में यह अक्सर लगता है कि तैयार किए गए समाधानों की एक बड़ी संख्या है जो आपके लिए 99% उपयुक्त हैं। उन्हें केवल आपके मामले में ले जाने और सुरक्षित रूप से स्थानांतरित करने की आवश्यकता है। तो, ऐसा नहीं है। अलग-अलग, यह दिखाना सार्थक है कि यह GAN में कैसे निरीक्षण करता है, जो कई दिनों से सफलतापूर्वक अध्ययन कर रहा है, अचानक कुछ का शाब्दिक रूप से विस्फोट हो जाता है, क्यों यह पूर्ण खेल उत्पन्न करना शुरू कर देता है।

कुछ इस तरह:

एक और गंभीर कारक यह था कि प्रारंभिक चरणों में हम यादृच्छिक बीज को ठीक करने के बारे में भूल गए थे, और हमें याद है कि गण आरंभ के प्रति बेहद संवेदनशील हैं। हमारे हिस्से पर एक बहुत ही शर्मनाक विफलता, जैसे कि फ्रेंकनेस।

जहाँ आज डोमेन Adaptation का उपयोग किया जाता है

डोमेन अनुकूलन धीरे-धीरे लेकिन निश्चित रूप से एआई कार्यों में प्रवेश करता है। यह स्थिर प्रवृत्ति इस तथ्य के कारण है कि आधुनिक दुनिया में उपलब्ध जानकारी के तेजी से विकास के बावजूद, मार्कअप अभी भी एक लंबा और महंगा काम है। Domain Adaptation के बाद Transfer Learning और इसके सामान्यीकरण का विकास इस समस्या को हल करता है।

डोमेन अनुकूलन के व्यावहारिक अनुप्रयोग का एक उदाहरण है Apple का काम कृत्रिम रूप से उत्पन्न छवियों को ढालकर मानव आंखों की तस्वीरों के डेटासेट का विस्तार करना है। अपने अध्ययन में, उन्होंने दिखाया कि डोमेन अनुकूलन विधियों का उपयोग करके वास्तविक डेटा के लिए बाद के सन्निकटन के साथ प्रारंभिक रूप से लेबल किए गए कृत्रिम डेटा उत्पन्न करना एक कुशल दृष्टिकोण है।

या यहाँ एक और दिलचस्प उदाहरण है। 2017 में, वैज्ञानिकों का एक समूह सड़कों, सड़कों, पैदल यात्रियों और अन्य वातावरणों पर डेटा एकत्र करने के लिए एक असामान्य दृष्टिकोण के साथ आया था जिसमें उनके प्रशिक्षण के लिए स्व-ड्राइविंग कारों को स्थित होना चाहिए।

उन्होंने यह जानकारी GTA V से लेने का सुझाव दिया।

इसके लिए, ग्रैंड थेफ्ट ऑटो वी के आभासी वातावरण में, 480,000 से अधिक सामान्य राजमार्ग ड्राइविंग की आभासी छवियों को टैग किया गया था। इन छवियों का उपयोग करते हुए, सिस्टम को बुनियादी स्वायत्त ड्राइविंग के लिए आवश्यक सभी बुनियादी चर को पढ़ने के लिए प्रशिक्षित किया गया था: कारों और अन्य वस्तुओं के सामने की दूरी, पट्टी के अंकन और ड्राइविंग के कोण (पट्टी की केंद्र रेखा के सापेक्ष कोणीय पाठ्यक्रम) के लिए निर्धारित करने के लिए। फ्लोरिडा में हुए घातक टेस्ला दुर्घटना का भी विश्लेषण किया गया था।

भविष्य NST और GAN है

क्या आत्मविश्वास के साथ इस बारे में बात करना संभव है? शायद हाँ। न्यूरल स्टाइल ट्रांसफर प्रिज्मा का उपयोग करता है। इसके अनुरूप, नए अनुप्रयोग बनाए जा रहे हैं, न कि केवल मनोरंजन के उद्देश्य से। GANs का उपयोग विभिन्न प्रकार की समस्याओं को हल करने के लिए एक उपकरण के रूप में भी किया जा सकता है: छवि रंग, शोर से छवि निर्माण, यहां तक ​​कि पाठ से छवि निर्माण।

Gamedev के विषय पर लौटते हुए। यहां, डोमेन अनुकूलन की संभावनाएं संभावित रूप से असीमित हैं: यदि मानव रहित वाहनों के प्रशिक्षण के मामले में GTA V खेल की दुनिया के बनावट से लिया गया था, जिसमें से वास्तविक दुनिया की तस्वीरों के समान ही कुछ सामने आया था, तो बिल्कुल कुछ भी आपको इसके विपरीत करने से रोकता है - वास्तविक शहरों के मनोरम चित्रों से गेम बनावट उत्पन्न करें। ।

कार का फायदा यह है कि यह थकती नहीं है। एक कंप्यूटर अब एक विभाजन सेकंड में विभिन्न विचारों की एक बड़ी संख्या उत्पन्न कर सकता है। हमारा काम यह सीखना है कि इसे कुशलतापूर्वक और कुशलता से कैसे किया जाए, और फिर यह केवल अनाज को चफ से अलग करने और आनंद लेने के लिए रहता है।

अभी भी प्रश्न हैं? हमें टिप्पणियों में उनका जवाब देने में खुशी होगी।