Počítače nespí. Prostě se dívají na data, dokud nevypadají úplně jinak.
Zatímco jsme offline, naše stroje jsou zaneprázdněny přehodnocováním starých souborů a generováním podivných nových věcí. Motor tohoto procesu? Google Deep Dream. Je to program, který hledá vzory v digitálních obrázcích, upravuje je a vytváří výsledky, které můžeme vyhodnotit. Můžete získat vtipné, umělecké nebo noční můry. Vše záleží na tom, čím to krmíte a jaké parametry nastaví zaměstnanci Googlu.
Jediný způsob, jak skutečně pochopit, co Deep Dream dělá, je vyzkoušet si to sami. Google otevřel své servery veřejnosti. Cílem bylo pochopit, jak program klasifikuje a indexuje obrázky. Nahráváte fotku. Během několika sekund získáte fantastický obraz založený na původní fotografii.
Výsledkem je podivná hybridizace. Představte si, že by Salvador Dalí, Hieronymus Bosch a Vincent Van Gogh uspořádali bláznivou uměleckou párty, která by trvala celou noc. Přesně taková je atmosféra. Listy se mění v barevné víry. Z kamenů se stávají opakující se obdélníky. Hory se rozplývají do ladných, zvýrazněných linií.
Prázdná krajina? Hluboký sen to naplňuje. Pagody. Auta. Mosty. Části lidského těla. Vidí zvířata. Spousta zvířat.
Stáhněte si fotografii portrét Toma Cruise. Program přemění záhyby a prostory na psí hlavy, ryby a další známé tvory. Nejsou to obyčejná zvířata. Jsou to fantastické rekonstrukce propletené s kaleidoskopem podobným LSD. Jsou strašně výrazné. Často děsivé.
Google nepořádá rave. Nekrmí své servery halucinogenními chemikáliemi. Řídí tyto servery, aby analyzovaly obrázky a poté je reprodukovaly ve formě nových reprezentací našeho světa.
Jak to funguje, vypovídá něco o tom, jak vytváříme digitální zařízení. Ukazuje, jak stroje tráví nepředstavitelné množství dat v našem světě posedlým technologiemi.
Neurony v bitech
Počítače jsou studené, anorganické stroje. Oni nespí. Rozhodně nesní. Nebo jsme si to alespoň mysleli.
Hluboký sen toto vnímání změnil. Nešlo o to dát počítači podvědomí. Šlo o odhalení úžasné, podivné složitosti, která vzniká, když data lidského světa vkládáte do stále spletitějšího kódu.
Vývojáři Google to nezačali jako umělecký projekt. Vytvořili Deep Dream pro ImageNet Large Scale Visual Recognition Challenge. Tato soutěž začala v roce 2010. Každý rok se desítky týmů utkají o nejlepší automatické klasifikátory obrázků. Cíl? Rozpoznejte a seřaďte miliony fotografií bez lidského zásahu. Po každé soutěži poražení (a vítězové) zdokonalují své algoritmy. Snaží se to udělat rychleji. Lepší. Přesněji řečeno.
To je problém tohoto hledání. Rozpoznávání obrázků v naší standardní sadě internetových nástrojů z velké části chybí. Vyhledávače? Milují klíčová slova. Napište „cat“ a dostanete textové výsledky. Zadejte “cat.jpg” a můžete získat soubor. Ale požádejte vyhledávač, aby pochopil, co je na fotce? Prožívá obtíže.
Své fotografie si označujeme sami. “Dům”. “Tommy”. “Západ slunce”. Děláme to proto, že počítače nedokážou spolehlivě zpracovat vizuální šum. Skutečný život je chaotický. Toto nejsou čisté vektory. Je to hluk. A až donedávna stroje považovaly tento hluk za nevyžádaná data.
Deep Dream byl pokus napravit tuto slepotu.
Jak Deep Dream funguje
Tajná přísada? Umělá neuronová síť (ANN).
Není to jen kód. Je to systém vytvořený podle vzoru lidského mozku. Přemýšlejte o tom. Máme více než 100 miliard neuronů. Přenášejí impulsy. Zpracovat senzorická data. Pomozte nám rozpoznat tvář v davu.
Deep Dream to napodobuje. K filtrování dat používá umělé neurony. Tato data předává vrstvami. A vrstvy. A vrstvy. Znovu a znovu.
Architektura spánku
Pro Deep Dream má síť obvykle 10 až 30 vrstev těchto umělých neuronů. To je mnoho kroků zpracování jednoho obrázku.
Systém nejen „vidí“ obraz. Rozbije to na kousky. Hledá vzory. Hrany. Křivky. Textury. Upřesňuje svůj výklad v každé vrstvě. Konečným výsledkem je obrázek. Ale ne ten původní.
Výsledkem je halucinace.
Odešlete fotografii parku. Počítač vidí stromy. Vidí trávu. Ale protože je neuronová síť hyper-vyladěná, aby hledala cokoli, co je podobné známému objektu, začne tyto vlastnosti zesilovat.
Tráva se stává srstí. Větve stromu – s nohama. Nebe se stává obřím okem.
Proč je to důležité pro vizuální vyhledávání
Není to jen bláznivý spořič obrazovky. To ukazuje posun ve způsobu, jakým zpracováváme informace.
Po mnoho let jsme se spoléhali na metadata. Zmapovali jsme naše digitální životy. Deep Dream však ukázal, že stroje se mohou naučit interpretovat vizuální data bez těchto vodítek.
„Deep Dream nám ukázal, že když necháte stroj vypadat dostatečně tvrdě, najde vzory, které tam nejsou – nebo přesněji najde vzory, které my nevidíme.“
Počítač nesní v lidském smyslu. On optimalizuje. Posouvá pixely tam, kam si myslí, že patří. A tím odhaluje mezery ve svém vlastním chápání.
Pokud stroj dokáže proměnit kolo ve stvoření z kol,
Neuronové sítě nejsou magická zrcadla, která jednoduše odrážejí data zpět. Nezačnou automaticky identifikovat vzory z ničeho nic. Potřebují školení. Je třeba je zásobit datovými soubory, které budou sloužit jako výchozí body. Bez této tvrdé práce by jednoduše slepě prosévali informace a nebyli by schopni porozumět ani jedinému kousku z nich.
Podle oficiálního blogu Google je proces učení založen na opakování a analýze. Řekněme, že chcete trénovat umělou neuronovou síť (ANN), aby rozpoznávala jízdní kolo. Neřekneš jí jen “kolo”. Ukazuješ jí miliony fotek kol. V počítačovém kódu také přesně specifikujete, jak kolo vypadá: dvě kola, sedlo, řídítka.
Výzkumníci pak nechali síť běžet samostatně, aby viděli, co objeví. Bude dělat chyby. Program může vrátit sérii obrázků včetně motocyklů a mopedů. Když k tomu dojde, programátoři upraví kód. Řeknou počítači, že kola nemají motory ani výfukové systémy. Znovu spustí program. A znovu. Dolaďují software, dokud nejsou výsledky uspokojivé.
„Tým Deep Dream si uvědomil, že jakmile síť dokáže rozpoznat určité objekty, může je také sama reprodukovat.“
Tým Deep Dream si všiml něčeho zajímavého. Jakmile síť dokáže rozpoznat objekty, může je vykreslit bez dalšího vstupu. Síť, která na první pohled rozpozná kolo, může vytvořit obrázek kola od začátku. Myšlenka je taková, že síť generuje nové kreativní obrázky jednoduše proto, že má schopnost obrázky třídit a třídit.
Zní to působivě, dokud se nepodíváte na výsledek. I po zpracování milionů snímků jízdních kol počítače stále dělají kritické chyby při vytváření vlastních snímků. Generovaná kola mohou mít částečné lidské ruce na řídítkách nebo nohy na pedálech. Je to proto, že mnoho tréninkových obrázků obsahuje lidi. Počítač nakonec nedokáže určit, kde končí části jízdního kola a začínají části lidského těla.
K takovým chybám dochází z mnoha důvodů. Softwaroví inženýři plně nerozumí všem aspektům neuronových sítí, které vytvářejí. Ale vědět, jak fungují, pomáhá pochopit, jak tyto nedostatky vznikají.
Architektura inceptionismu
Umělé neurony v síti pracují ve vrstvách. Deep Dream lze použít kdekoli od 10 do 30 vrstev. Každá vrstva zachycuje na obrázku jiné detaily. Počáteční vrstvy detekují základní prvky, jako jsou okraje a hrany. Další vrstva může identifikovat konkrétní barvy a orientace.
Další vrstvy hledají specifické tvary, které připomínají předměty, jako je židle nebo žárovka. Poslední vrstvy reagují pouze na složitější objekty, jako jsou auta, listí nebo budovy.
Vývojáři Google nazývají tento proces inceptionism. Odkazuje na tuto konkrétní architekturu neuronové sítě. Dokonce zveřejnili veřejnou galerii, která ukazuje příklady práce Deep Dream. Toto je pohled na to, jak stroj vidí.
Jakmile síť identifikuje různé aspekty obrazu, může se stát hodně. V Deep Dream se Google rozhodl přinutit síť vytvářet nové obrázky. Nejen analyzuje. Ona tvoří.
Tma na okraji
Inženýři Google nenechali jen Deep Dream vybrat, které části obrázku mají rozpoznat. Ve skutečnosti nařídili počítačům, aby tyto prvky obrazu zvýraznily a vylepšily.
Pokud Deep Dream rozpozná ve vzoru látky vaší pohovky postavu psa, zaměří se na detaily tohoto psa.
Každá další vrstva přidává nové známky vzhledu psa: srst, oči, nos. To, co bylo kdysi neškodnou pastí na vašem gauči, se promění v psí postavu se zuby a očima.
S každou generační iterací se Deep Dream trochu přiblíží. To dodává obrázku stále větší složitost. Představte si psa uvnitř psa uvnitř psa.
Když Deep Dream interpretuje a přehnaně zdůrazňuje každý detail obrazu, dochází ke zpětné vazbě. Nebe plné mraků se z idylické scény promění v prostor plný vesmírných kobylek, psychedelických postav, duhových aut a psů.
Přebytek psů ve výsledcích Deep Dream má svůj důvod. Když si vývojáři vybrali databázi pro trénování této neuronové sítě, vybrali takovou, která zahrnovala 120 podtříd psů, z nichž všechny byly pečlivě klasifikovány. Takže když Deep Dream začne hledat díly, je extrémně pravděpodobné, že uvidí psí tváře a tlapky všude, kam se podívá.
Deep Dream k vytvoření obrázků ani nepotřebuje skutečný obrázek. Pokud mu dáte prázdný bílý obrázek nebo obrázek plný statického šumu, bude stále „vidět“ části obrázku a používat je jako stavební kameny pro stále podivnější obrázky.
Je to pokus programu extrahovat význam a formu z beztvarých dat. To odráží myšlenku celého projektu – pokus najít lepší způsoby, jak rozpoznat a uvést do kontextu obsah obrázků roztroušených po počítačích po celém světě.
Mohou tedy počítače skutečně snít? Stávají se příliš chytrými pro své vlastní dobro? Nebo je Deep Dream jen fantazijní způsob, jak si představit, jak naše technologie zpracovává data?
Je těžké přesně vědět, co řídí výstup Deep Dream. Nikdo nenařizuje softwaru provádět předem naprogramované úkoly. Dostává dosti vágní pokyny (hledat součásti a znovu a znovu je posilovat) a svou práci vykonává bez výslovného lidského vedení.
Výsledné snímky jsou odrazem této práce. Možná jsou tyto obrázky strojově vyrobené umění. Možná je to projev digitálních snů zrozených z křemíku a elektroniky. A možná je to začátek jakési umělé inteligence, díky které budou naše počítače méně závislé na lidech.
Můžete se obávat vzniku inteligentních počítačů, které ovládnou svět. Ale zatím takové projekty přímo prospívají všem, kdo používají internet. Rozpoznávání obrázků se během několika let dramaticky zlepšilo a pomáhá lidem rychle skenovat obrázky a grafiku, aby našli informace, které potřebují. Při současném tempu vývoje můžeme v blízké budoucnosti očekávat zásadní průlomy v rozpoznávání obrázků, a to i díky snovým počítačům od Googlu.
