OpenAI daiļliteratūras spewing AI mācās ģenerēt attēlus

Bens Berijs / OpenAI

Pagājušā gada februārī Sanfrancisko bāzētā pētniecības laboratorija OpenAI paziņoja ka tā AI sistēma tagad varētu rakstīt pārliecinošus fragmentus angļu valodā. Ievadiet teikuma vai rindkopas sākumu GPT-2, kā to sauca, un tas varētu turpināt domu tikpat ilgi kā eseja ar gandrīz cilvēcisku saskaņotību.

Tagad laboratorija pēta, kas notiktu, ja tas pats algoritms tiktu ievadīts attēla daļā. Rezultāti , kas šīs nedēļas Starptautiskajā mašīnmācības konferencē tika nosaukti par labāko rakstu, paver jaunu ceļu attēlu radīšanai, kas ir nobriedusi ar iespējām un sekām.

GPT-2 pamatā ir jaudīgs prognozēšanas dzinējs. Tā iemācījās saprast angļu valodas struktūru, aplūkojot miljardiem vārdu, teikumu un rindkopu piemērus, kas izskrāpēti no interneta stūriem. Izmantojot šo struktūru, tā varētu manipulēt ar vārdiem jaunos teikumos, statistiski prognozējot to parādīšanās secību.

Tāpēc OpenAI pētnieki nolēma apmainīt vārdus ar pikseļiem un apmācīt to pašu algoritmu attēliem programmā ImageNet, kas ir vispopulārākā attēlu banka dziļai apguvei. Tā kā algoritms bija paredzēts darbam ar viendimensionāliem datiem (t.i., teksta virknēm), tie izvērsa attēlus vienā pikseļu secībā. Viņi atklāja, ka jaunais modelis ar nosaukumu iGPT joprojām spēj aptvert vizuālās pasaules divdimensiju struktūras. Ņemot vērā pikseļu secību attēla pirmajā pusē, tā varētu paredzēt otro pusi tā, kā cilvēks uzskatītu par saprātīgu.

Zemāk varat redzēt dažus piemērus. Vistālākā kreisā kolonna ir ievade, galējā labā kolonna ir oriģināls, bet vidējās kolonnas ir iGPT paredzētās pabeigšanas. (Skatiet citus piemērus šeit .)

OPENAI

Rezultāti ir satriecoši iespaidīgi un parāda jaunu ceļu, kā datorredzes sistēmu izstrādē izmantot neuzraudzītu mācīšanos, kas trenējas uz nemarķētiem datiem. Lai gan agrīnās datorredzes sistēmas 2000. gadu vidū jau iepriekš pārbaudīja šādas metodes, tās zaudēja labvēlību, jo uzraudzītā mācīšanās, kurā tiek izmantoti marķēti dati, izrādījās daudz veiksmīgāka. Tomēr bez uzraudzības mācīšanās priekšrocība ir tāda, ka tā ļauj AI sistēmai uzzināt par pasauli bez cilvēka filtra un ievērojami samazina manuālo darbu datu marķēšanai.

Tas, ka iGPT izmanto to pašu algoritmu kā GPT-2, arī parāda tā daudzsološo pielāgošanās spēju. Tas atbilst OpenAI galvenais mērķis lai panāktu vispārināmāku mašīnu inteliģenci.

Tajā pašā laikā šī metode piedāvā jaunu veidu, kā izveidot dziļi viltotus attēlus. Ģeneratīvie pretrunīgie tīkli , kas ir visizplatītākā algoritmu kategorija, ko agrāk izmantoja dziļo viltojumu izveidei, ir jāapmāca par īpaši atlasītiem datiem. Piemēram, ja vēlaties panākt, lai GAN ģenerētu seju, tā apmācības datos ir jāietver tikai sejas. Turpretim iGPT vienkārši apgūst vizuālās pasaules struktūru, izmantojot miljoniem un miljardu piemēru, lai izspļautu attēlus, kas tajā varētu pastāvēt. Lai gan modeļa apmācība joprojām ir skaitļošanas ziņā dārga, radot dabisku šķērsli tā piekļuvei, tas var nebūt ilgs.

OpenAI neapmierināja intervijas pieprasījumu, taču iekšējās politikas komandas sanāksmē, kurā MIT Technology Review piedalījās pagājušajā gadā, tās politikas direktors Džeks Klārks pārdomāja par GPT stila paaudzes nākotnes riskiem, tostarp par to, kas notiktu, ja to piemērotu attēlus. Viņš teica, ka tiks parādīts video, kurā viņš redzēja lauka pētniecības trajektoriju. Iespējams, ka pēc pieciem gadiem jums būs nosacīta video ģenerēšana piecu līdz desmit sekunžu periodā. Pēc tam viņš turpināja aprakstīt to, ko viņš bija iedomājies: jūs ievietotu politiķa fotoattēlu un sprādzienu blakus viņiem, un tas radītu iespējamu šī politiķa nogalināšanas rezultātu.

Atjaunināt: Šis raksts ir atjaunināts, lai noņemtu politiķa vārdu beigās aprakstītajā hipotētiskajā scenārijā.

paslēpties