ब्लैक होल की पहली तस्वीर में तंत्रिका नेटवर्क ने क्या देखा

दोस्तों, कई लोग शायद ब्लैक होल की छवियों को याद करते हैं जिन्होंने इस साल अप्रैल में सभी को चौंका दिया। हमें बहुत दिलचस्प सामग्री मिली जिसमें हम बात करेंगे कि ब्लैक होल की छवि के बारे में कृत्रिम बुद्धि एल्गोरिदम "क्या सोचते हैं"। इस सामग्री का अनुवाद करके, हम पायथन न्यूरल नेटवर्क्स पाठ्यक्रम के शुभारंभ के लिए समर्पित प्रकाशनों की एक श्रृंखला जारी रखते हैं। हम आपको चेतावनी देते हैं कि सामग्री जानकारीपूर्ण से अधिक मनोरंजक निकली, लेकिन ये चित्र निश्चित रूप से देखने लायक हैं। चलो चलते हैं।



11 अप्रैल को, इवेंट होराइजन टेलीस्कोप की टीम के वैज्ञानिकों और इंजीनियरों ने बाहरी अंतरिक्ष में होने वाली प्रक्रियाओं को समझने में वास्तविक सफलता हासिल की। उन्होंने एक ब्लैक होल की पहली छवि (तस्वीर) पेश की। इसने आइंस्टीन के सापेक्षतावाद के सामान्य सिद्धांत को और मजबूत किया, जिसका अर्थ था परिकल्पना जिसके अनुसार "बड़े पैमाने पर वस्तुएं अंतरिक्ष-समय में विकृति का कारण बनती हैं, जो गुरुत्वाकर्षण परिवर्तनों के रूप में परिलक्षित होती है।"

खैर, मैं यह समझने या समझाने के लिए भौतिक विज्ञानी या खगोल विज्ञानी नहीं हूं कि यह कैसे काम करता है, लेकिन मैं, विभिन्न क्षेत्रों में काम करने वाले लाखों लोगों की तरह, अंतरिक्ष और विशेष रूप से ब्लैक होल घटना से मोहित हूं। ब्लैक होल की पहली छवि के कारण पूरे विश्व में खुशी की लहर दौड़ गई। मैं गहरी शिक्षा का विशेषज्ञ हूं, जो मुख्य रूप से दृढ़ तंत्रिका नेटवर्क के साथ काम करता है, और यह मेरे लिए दिलचस्प हो गया कि आर्टिफिशियल इंटेलिजेंस एल्गोरिदम एक ब्लैक होल की छवि के बारे में "सोचते" हैं। यह वह है जो हम लेख में बात करेंगे।

एपोच टाइम्स के इस अंश में ब्लैक होल का वर्णन इस प्रकार है: "ब्लैक होल" एक बहुत छोटे स्थान में पैक किए गए बहुत सारे पदार्थों से बना होता है, "ज्यादातर एक बड़े स्टार के अवशेष से बनता है जो सुपरनोवा विस्फोट के दौरान मर गया।" ब्लैक होल्स में इतना मजबूत गुरुत्वाकर्षण क्षेत्र होता है कि प्रकाश भी इससे बच नहीं सकता है। M87 ब्लैक होल की परिणामी छवि को नीचे दिखाया गया है। इस घटना को लेख में अच्छी तरह से समझाया गया है "2 ज्योतिषाचार्यों के अनुसार, ब्लैक होल की छवि कैसे बनाई जाए" ।


ब्लैक होल - M87 - घटना क्षितिज टेलीस्कोप



एक ब्लैक होल के विभिन्न क्षेत्र। वॉक्स वीडियो से स्क्रीनशॉट - यह ब्लैक होल फोटो इतनी बड़ी बात क्यों है

1. ब्लैक होल की छवि में CCN क्या देखता है

CCN (कन्वर्सेशन न्यूरल नेटवर्क) - कन्वेन्शनल न्यूरल नेटवर्क - डीप लर्निंग एल्गोरिदम का एक वर्ग जो वास्तविक दुनिया की वस्तुओं को पहचानने में बेहद प्रभावी है। CCNs छवियों की व्याख्या और पहचान के लिए सबसे अच्छा तंत्रिका नेटवर्क हैं। इस तरह के तंत्रिका नेटवर्क को एक लाख चित्रों पर प्रशिक्षित किया जाता है और आसपास की दुनिया की 1000 विभिन्न वस्तुओं को पहचानने के लिए प्रशिक्षित किया जाता है। मैंने एक ब्लैक होल की छवि को दो प्रशिक्षित दृढ़ तंत्रिका नेटवर्क को दिखाने के बारे में सोचा और यह देखा कि वे इसे कैसे पहचानते हैं, इसके चारों ओर दुनिया की कौन सी वस्तु ब्लैक होल की तरह दिखती है। यह एक बुद्धिमान विचार नहीं है, क्योंकि विशेष उपकरणों का उपयोग करके अंतरिक्ष से प्राप्त विभिन्न संकेतों को मिलाकर एक ब्लैक होल की छवि उत्पन्न हुई थी, लेकिन मैं सिर्फ यह जानना चाहता था कि संकेतों के बारे में किसी भी अतिरिक्त जानकारी के बिना तस्वीर की व्याख्या कैसे की जाएगी।


VGG-16 तंत्रिका नेटवर्क पूर्वानुमान - मिलान


VGG-19 तंत्रिका नेटवर्क पूर्वानुमान - मिलान


तंत्रिका नेटवर्क पूर्वानुमान ResNet-50 - मोमबत्ती

जैसा कि हम ऊपर की छवियों में देखते हैं, प्रशिक्षित वीजीजी -16 और वीजीजी -19 एक मैच के रूप में एक ब्लैक होल देखते हैं, और रेसनेट -50 को लगता है कि यह एक मोमबत्ती है। यदि हम इन वस्तुओं के साथ एक सादृश्य बनाते हैं, तो हम समझेंगे कि यह कुछ समझ में आता है, क्योंकि जलते हुए माचिस और मोमबत्ती दोनों में घने चमकदार पीले प्रकाश से घिरा एक गहरा केंद्र है।

2. ब्लैक होल की छवि से निकाले गए संकेत क्या हैं

मैंने एक और काम किया, मैंने कल्पना की कि वीजीजी -16 मध्यवर्ती परतें क्या उत्पन्न करती हैं। डीप लर्निंग नेटवर्क को डीप कहा जाता है, क्योंकि उनमें एक निश्चित संख्या में परतें होती हैं, और उनमें से प्रत्येक इनपुट पर छवि के प्रतिनिधित्व और विशेषताओं को संसाधित करता है। आइए देखें कि आने वाली छवि से नेटवर्क की विभिन्न परतें क्या सीखती हैं। परिणाम बहुत सुंदर था।


पहली कंफर्टेबल लेयर VGG-16 के 64 फ़ीचर कार्ड

यदि आप करीब से देखेंगे, तो आप देखेंगे कि एक छोटा उज्ज्वल क्षेत्र एक मजबूत संकेत है, और यह कि अधिकांश फिल्टर से गुजरने के बाद इसे अवशोषित किया जाता है। कुछ दिलचस्प फिल्टर आउटपुट नीचे दिखाए गए हैं, और वे पहले से ही वास्तव में किसी प्रकार के आकाशीय वस्तु की तरह दिखते हैं।


पहली संकेंद्रित परत के 64 फीचर कार्ड में से 4


दूसरी कंटेस्टेंट लेयर VGG-16 के 64 फ़ीचर कार्ड

तंत्रिका नेटवर्क की दूसरी परत के कुछ दिलचस्प फीचर मानचित्रों पर ज़ूम इन करें।


दूसरी कंटेस्टेंट लेयर के 64 फीचर कार्ड में से 6

अब हम और भी गहराई में जाएंगे और तीसरी संकेंद्रित परत को देखेंगे।


तीसरी कंटेस्टेंट परत VGG-16 के 128 फ़ीचर कार्ड

संपर्क करने के बाद हम एक परिचित पैटर्न पाते हैं।


तीसरी परत पर ऊपर प्रस्तुत फीचर मानचित्रों में से 8

गहराई में जाने पर हमें कुछ ऐसा मिलता है।


128 फीचर कार्डों में से 6 में 4 संकेंद्रित परतें VGG-16 हैं

गहराई से जाने पर, हमें उच्च-स्तरीय अमूर्त जानकारी मिलती है, और जब हम कनवल्शन की 7 वीं, 8 वीं और 10 वीं परतों की कल्पना करते हैं, तो हम केवल उच्च-स्तरीय जानकारी देखेंगे।


Map वीं आक्षेपिक परत का फ़ीचर मानचित्र

जैसा कि हम देख सकते हैं, कई फ़ीचर मैप डार्क हैं और इस क्लास को पहचानने के लिए आवश्यक विशिष्ट उच्च-स्तरीय विशेषताओं को ही सीखते हैं। गहरी परतों में, वे अधिक ध्यान देने योग्य हो जाते हैं। अब हम ज़ूम इन करते हैं और कुछ फिल्टरों पर नज़र डालते हैं।


6 फीचर कार्ड

अब 10 वीं कंफर्टेबल लेयर के 512 फीचर कार्ड पर विचार करें।


फ़ीचर कार्ड 10 संकेंद्रित परत।

अब आप देखते हैं कि अधिकांश प्राप्त फीचर मानचित्रों में केवल छवि क्षेत्र को एक विशेषता के रूप में स्वीकार किया जाता है। ये उच्च स्तर के संकेत हैं जो न्यूरॉन्स को दिखाई देते हैं। आइए ऊपर दिए गए कुछ फ़ीचर मैप पर एक नज़र डालें।


फीचर कार्ड में से कुछ 10 दृढ़ स्तर हैं, आकार में वृद्धि हुई है

अब जब हमने देखा है कि CCN एक ब्लैक होल छवि से अलग होने की कोशिश कर रहा है, तो आइए इस छवि को अन्य लोकप्रिय न्यूरल नेटवर्क एल्गोरिदम, जैसे न्यूरल स्टाइल ट्रांसफर और डीप्रीम में पास करने का प्रयास करें।

3. हम ब्लैक होल की छवि पर न्यूरल स्टाइल ट्रांसफर और डीप ड्रीम की कोशिश करते हैं

न्यूरल स्टाइल ट्रांसफर एक स्मार्ट न्यूरल नेटवर्क है जो एक छवि को दूसरे स्रोत की छवि को "शैली" देता है और अंततः एक कलात्मक छवि बनाता है। यदि आप अभी भी नहीं समझते हैं, तो नीचे दिए गए चित्र अवधारणा को समझाएंगे। मैंने ब्लैक होल की मूल छवि से विभिन्न कलात्मक चित्र बनाने के लिए साइट deepdreamgenerator.com का उपयोग किया। तस्वीरें काफी दिलचस्प निकलीं।


ट्रांसमिशन शैली। Deepdreamgenerator.com का उपयोग करके उत्पन्न छवियां

डीपड्रीम Google इंजीनियर अलेक्जेंडर मोर्डविंटसेव द्वारा बनाया गया एक कंप्यूटर विज़न प्रोग्राम है जो एक एल्गोरिथ्म युग्मित एल्गोरिथ्म का उपयोग करते हुए छवियों में पैटर्न को खोजने और बेहतर बनाने के लिए एक संवेदी तंत्रिका नेटवर्क का उपयोग करता है, इस प्रकार जानबूझकर संसाधित छवियों से एक आभामंडलिक छवि बनाता है।


गहरा सपना Deepdreamgenerator.com का उपयोग करके उत्पन्न छवियां

डीप ड्रीम के बारे में इन वीडियो में, आप देखेंगे कि कैसे मतिभ्रम करने वाली छवियां बना सकती हैं।

वह सब है! जब मैंने एक ब्लैक होल की पहली तस्वीर देखी, तो मैं बहुत चौंक गया, और तुरंत यह छोटा लेख लिखा। इसमें जानकारी इतनी उपयोगी नहीं हो सकती है, लेकिन इसके लेखन के दौरान बनाई गई छवियां और ऊपर दिखाए गए चित्र पूरी तरह से इसके लायक हैं। तस्वीरों का आनंद लें!

टिप्पणियों में लिखें कि आपको सामग्री कैसे मिलती है। हम "अजगर में तंत्रिका नेटवर्क" पाठ्यक्रम में खुले दरवाजे पर सभी का इंतजार कर रहे हैं।