Neurale netværk læser læber, tegner skitser og slår professionelle go-spillere. Og vigtigst af alt, at de ved, hvordan de lærer. De fem mest uventede fremskridt inden for kunstig intelligens.
Musetunge
I 2017 bemærkede østrigske zoologer, der studerede opførsel af husmus (Mus musculus), at gnavere ændrer deres stemme afhængigt af hvilken af deres slægtninge de kommunikerer med - en mand eller en kvinde. Spektrografisk analyse af "tale" fra fyrre forsøgsdyr viste, at mus skiftede til højere frekvenslyde, når de så et individ af det modsatte køn.
Ved hjælp af denne funktion besluttede forskere fra Rusland, Holland og Tyskland at træne neurale netværk til at genkende musenes køn ud fra de lyde, de laver, og også for at afgøre, hvem meddelelsen er rettet til: mand eller kvinde.
Dyrene blev opdelt i par, hver med en gnaver under generel anæstesi, og den anden bevægede sig frit rundt om buret. Musens knirk blev optaget og behandlet ved hjælp af neurale netværk, der lærte efter lydens højde, amplitude, varighed for at forstå, hvem der udstedte den, og hvem den var beregnet til.
Efter træning bestemte neurale netværk korrekt kønet til mus, der laver lyde og deres modtagere i 84 procent af tilfældene. Imidlertid bemærker forfatterne af arbejdet, at algoritmen sandsynligvis ikke vil arbejde med dyr af andre linjer (undersøgelsen involverede gnavere af C57BL / 6NCr-linjen). Musene har sandsynligvis forskellige "dialekter", og squeak vil have forskellige spektrale egenskaber.
Salgsfremmende video:
Neurale netværksgrafologer
Russiske forskere har lært neurale netværk at genkende en persons køn ved håndskrift. Programmet, der blev udviklet i fællesskab af MEPhI, Kurchatov Institute og Voronezh State University, bestemte i 80 procent af tilfældene korrekt, hvem der skrev teksten - en mand eller en kvinde. Forskere har anvendt ultrapræcise neurale netværk og dyb læringsmetoder.
Ifølge en af forfatterne af værket, lektor ved NRNU MEPhI Alexander Sboev, blev der opnået så høje resultater takket være avancerede neurale netværksmodeller og det faktum, at forfatteren ikke skjulte sit køn. Nu løses problemet med at bestemme køn i en situation, hvor en person foregiver at være en anden: for eksempel skriver en kvinde en tekst på vegne af en mand. Snart læres kunstig intelligens til at bestemme alderen for forfatteren af en skrevet tekst.
Lasagne bliver til sushi
Japanske og franske eksperter har oprettet et program, der tilpasser berømte retter til kulinariske traditioner i forskellige lande. Lad os sige, at det forvandler lasagne til sushi-lasagne og laver japansk sukiyaki-suppe i fransk stil. Det vil sige, programmet opretter en opskrift, hvor calvados er angivet i stedet for mirin (risvin), og grønne løg erstattes af estragon.
Kunstig intelligens fungerer i to faser. Først efter at have analyseret ingredienserne, der udgør en bestemt ret, finder han ud af, hvilket nationalt køkken det hører til. Derefter bestemmer han hvilke ingredienser og hvad der skal udskiftes, så maden tager fat på funktionerne i en anden kulinarisk tradition. Til dette bruges vektormodellen word2vec, der fastlægger korrespondance mellem ingredienserne. Så når man tilpasser japanske retter til det franske køkken, foreslår programmet, at man tager en blanding af aromatiske urter i stedet for sojasovs.
Neuralnetværket forstår endnu ikke, hvor godt de nye ingredienser kombineres med hinanden og tager ikke hensyn til fremstillingsmetoden. De lover at færdiggøre det.
I en ny kapacitet
Neurale netværk er gode til at gendanne lysstyrke og farve på gamle tegneserier og film og tilpasse dem til moderne højopløsningsskærme. I september præsenterede to store virksomheder - Disney og Yandex - lignende algoritmer.
Disney Research har udviklet et program, der giver dig mulighed for at opnå mere realistisk farvelægning af videoer ved bedre at matche tilstødende rammer. Russiske specialists neurale netværk (DeepHD-teknologi) er i stand til at øge opløsningen uden at miste skarphed og kvalitet.
Algoritmen blev testet på gamle sovjetiske tegneserier. På "Yandex" kan du se i forbedret kvalitet "Golden Antelope", "Snow Queen", "The Bremen Town Musicians" og andre berømte film fra "Soyuzmultfilm". Som firmaets pressetjeneste bemærker, er forskellen især for krævende seere mærkbar: billedet er blevet skarpere, fine detaljer såsom blade på træer, snefnug, stjerner på nattehimlen er bedre synlige.
På udkig efter brødre i tankerne
Forskere fra University of California i Berkeley (USA) bruger neurale netværk til at søge efter udlændinge, deltager i SETI-samarbejdet, et projekt til at søge efter udenjordiske civilisationer og muligvis komme i kontakt med dem. For at gøre dette har forskere oprettet et neuralt netværk, der uafhængigt kan identificere og registrere lavfrekvenssignaler af kunstig oprindelse.
Forskere mener, at en avanceret udenrigs-civilisation absolut bør prøve at komme i kontakt med os. Hovedproblemet er at adskille elektromagnetiske signaler fra Jorden, der allerede har spredt sig i alle retninger over store afstande fra dem, der sandsynligvis er fra et andet stjernesystem eller galakse. Indtil videre har en person ikke været i stand til at skelne fremmede signaler rettet til vores planet.
Nu gør det neurale netværk det. Kunstig intelligens har allerede registreret 72 signaler, hvis kilder kan være himmellegemer tre milliarder lysår fra Jorden. De første indspillede radioudbrud blev optaget i objektet FRB 121102. Som forfatterne af arbejdsnotatet, selvom programmet ikke finder spor af fremmede civilisationer, vil det hjælpe med at lære meget om universet.
Alfiya Enikeeva