Jump to content
Forum Kopalni Wiedzy
KopalniaWiedzy.pl

Sztuczna inteligencja przerobi zdjęcie na klasyczny portret mistrza pędzla

Recommended Posts

Inżynierowie z MIT-IBM Watson Lab zaprzęgli do pracy sztuczną inteligencję i stworzyli narzędzie, które zamienia selfie w klasyczne portrety malowane ręką wielkich mistrzów. AIPortraits.com, w przeciwieństwie do popularnej ostatnio aplikacji FaceApp, nie wykorzystuje prostej sztuczki z nakładaniem pewnych elementów na istniejący obraz. Algorytmy, które były trenowane na 45 000 różnych klasycznych portretów, od podstaw tworzą nowe elementy, które będą pasowały do obrazu.

Twórcy AIPortraits wykorzystali techniki głębokiego uczenia się, za pomocą których trenowali modele Generative Adversarial Network (GAN). Efekt jest znacznie lepszy niż proste filtry używane przez programy w stylu FaceApp. AIPortraits.com, opierając się na wysłanym zdjęciu, maluje cały portret od podstaw. Algorytm korzysta z wielu różnych stylów charakterystycznych dla mistrzów pędzla: od Rembrandat przez Tycjana po van Gogha. Opierając się na naszym zdjęciu, algorytm decyduje o wyborze stylu tak, by podkreślić elegancję orlego nosa czy szlachetny wygląd czoła.

Twórcy AIPortraits.com zapewniają, że nie przechowują przesłanych zdjęć. Służą one jedynie namalowaniu portretu, po czym są natychmiast usuwane.

Niestety, nie mogliśmy sprawdzić działania programu. Użytkownicy przeciążyli witrynę i w chwili pisania tekstu była ona wyłączona.


« powrót do artykułu

Share this post


Link to post
Share on other sites
Godzinę temu, KopalniaWiedzy.pl napisał:

. Efekt jest znacznie lepszy niż proste filtry używane przez programy w stylu FaceApp

 

Godzinę temu, KopalniaWiedzy.pl napisał:

przeciwieństwie do popularnej ostatnio aplikacji FaceApp, nie wykorzystuje prostej sztuczki z nakładaniem pewnych elementów na istniejący obraz.

ale faceapp nie stosuje żadnej prostej sztuczki z nakładaniem elementów na istniejący obraz. stosuje bardzo podobne metody do powyżej metody tylko mają inny cel

Share this post


Link to post
Share on other sites
10 minut temu, Afordancja napisał:

stosuje bardzo podobne metody do powyżej metody tylko mają inny cel

Dokładnie tak, tyle, że ma to być "ręką wielkich mistrzów". :D:D:D
AI już robi za mistrzów - szkoda mi tej cywilizacji, ale idzie na dno; ewidentnie. ;)

Share this post


Link to post
Share on other sites
5 minut temu, Astro napisał:

AI już robi za mistrzów - szkoda mi tej cywilizacji, ale idzie na dno; ewidentnie. ;)

eee przesadzasz, nie robi za to kolejny równoległy gadżet. 

Jest potrzeba będzie rynek.
Mamy już aplikację postarzającą (odmładfzającą) ba nawet i zmienia płeć -face app
mamy tworzącą portrety - ta wyżej
mamy rozbierającą panie z bikini

ale czy to od razu sztuka? Raczej nie. Gadżety.
Z resztą cóż to jest sztuka, że gość portret namalował w jakimś tam stylu? dla jednych tak dla innych nie. 

Share this post


Link to post
Share on other sites
Posted (edited)
2 godziny temu, Astro napisał:

AI już robi za mistrzów - szkoda mi tej cywilizacji, ale idzie na dno; ewidentnie.

 

2 godziny temu, Afordancja napisał:

eee przesadzasz,

i nie bój się.:)

          To będzie tylko odtwórcze "dzieło" w stylu mistrza, czyli rzemiosło. Artysta tworzy dzieło wg swojej unikalnej koncepcji, co nadaje charakterystyczny ton jego pracom. Mistrz to artysta wyjątkowy (i jeszcze musi zdobyć uznanie), inaczej to zwykły twórca-wyrobnik.

(konsultowane z moją lepszą połową, która realizuje się w tej sferze).

Edited by 3grosze

Share this post


Link to post
Share on other sites

3grosze dobrze gada. Sztuka=1szt. Jak są 2 sztuki czegokolwiek to już.nie jest sztuka

  • Haha 1

Share this post


Link to post
Share on other sites
Godzinę temu, 3grosze napisał:

Artysta tworzy dzieło wg swojej unikalnej koncepcji, co nadaje charakterystyczny ton jego pracom

A możesz dopytać czym się różni ton od stylu? (poważnie pytam, bo się nie znam)

I czy mogę ja (osobiście ja) stworzyć dzieło bez unikalnej koncepcji?  rysuję sobie z dziećmi twarze od czasu do czasu i wychodzi mi zawsze inaczej niż chciałem ale mi się ostatecznie co jakiś czas podoba, ale osoba postronna nie może wiedzieć czy taka była koncepcja czy inna.

I idąc tym tropem, mam 2 scenariusze.

Mam automat który maluje tak, ze patrząc na ten obraz dostrzegamy koncepcję (jako obserwatorzy) i styl (i ton?) też że moglibyśmy powiedzieć, ze wyszło z pod "pędzla" mistrza to sztuka czy jeszcze nie?

A bardziej prawdopodobne, taki automat jest wyuczony na podstawie N stylów, tak, że może tworzyć swój indywidualny styl i niech będzie, że maluje portrety (czy malując porterety można mieć koncepcję? i być artystą?) a koncepcję odgadują obserwatorzy (prawie jak z interpretacją wiersza, co autor miał na myśli). to bez znajomości autora możemy stwierdzić, zę to prawdziwy artysta? a gdy dowiemy się że automat to czar pryska bo na pewno koncepcji tam nie było? 


(mam myślotok ;) )
inaczej, czy patrząc na tylko na obraz można powidzieć, czy ktoś jest artystą czy nie? Bo koncepcję w sumie my (obserwatorzy) wymyślamy. Tonu prac nie znamy bo znamy jeden obraz

Share this post


Link to post
Share on other sites
Posted (edited)
18 minut temu, tempik napisał:

3grosze dobrze gada. Sztuka=1szt. Jak są 2 sztuki czegokolwiek to już.nie jest sztuka

Hej! To moja definicja! Atrybutem Sztuki jest niepowtarzalność, jeśli każdy może namalować konia jak żywego to mamy do czynienia z rzemiosłem. Niestety moja Lepsza połowa nie zgadza się z tym. Umiem namalować kółka Kandinsky'ego, ale jego twory są Sztuką. A moje bezmyślną kopią. Podobno stoi za tymi obrazami pomysł i idea. Tak jak moja Żona za mną teraz. Nie uwierzycie ile poprawek musiałem wprowadzić do tego posta..... Och, przepraszam nie poprawek  "tylko tak sobie pytała ". Przyleciała tutaj na haslo : rozmawiam o sztuce....

 

edit BTW GANs to całḱowite spełnienie marzeń leniwca: Nie dość że same mysłi to jeszcze kto inny to uczy - zero wysiłku, normalnie raj zbieracza polowacza :) 

Edited by Jajcenty

Share this post


Link to post
Share on other sites
Posted (edited)
54 minuty temu, Afordancja napisał:

A możesz dopytać czym się różni ton od stylu?

W użytym tutaj  kontekście to synonimy.:) Używanie w bliskim sąsiedztwie wyrazów często używanych to stylistyczny błąd powtórzenia. Nieestetyczność też jakaś. 

54 minuty temu, Afordancja napisał:

I czy mogę ja (osobiście ja) stworzyć dzieło bez unikalnej koncepcji?  rysuję sobie z dziećmi twarze od czasu do czasu i wychodzi mi zawsze inaczej niż chciałem ale mi się ostatecznie co jakiś czas podoba, ale osoba postronna nie może wiedzieć czy taka była koncepcja czy inna.

Dzieło z pewnością, ale czy to będzie dzieło sztuki, to zależy jak operowaliście światłem, perspektywą i prowadziliście kreskę, jak subtelnie zestroiliście barwy i operowaliście ich nasyceniem, jaką metaforę niesie  transformacja Waszych (malowanych) twarzy. Na koniec ogólne wrażenie. ( z podsłuchów to wiem). Dużo zmiennych (które poznaje się studiując sztukę) składa się na dzieło, więc nie znając zasad, trudno przypadkiem;) stworzyć dzieło sztuki. Np. malarze prymitywiści, też artyści, ale popełniają błędy formalne, których nie wypada:D robić malarzom wykształconym.

Nie wiem, czy AI kiedyś to opanuje, a jak opanuje, to jeżeli będzie miała dobrych marszandów, to  MISTRZEM i tak zostanie po swojej śmierci.;)

 

Edited by 3grosze
  • Like (+1) 1

Share this post


Link to post
Share on other sites
3 godziny temu, Jajcenty napisał:

edit BTW GANs to całḱowite spełnienie marzeń leniwca: Nie dość że same mysłi to jeszcze kto inny to uczy - zero wysiłku, normalnie raj zbieracza polowacza

Ostatnio zastanawiałem się do czego bardziej praktycznego (wiem, dla wielu to powyższe jest już praktyczne) można by użyć takiego GANa  i przyznam się, że miałem problem  wymyśleniem. No bo szeroko rozumiana sztuka, mnie jakoś nie zachwyca, muzyka, obróbka zdjęc/filmów, czy też generowanie  jakoś nie wydaje mi się super super.

 

Ostatnio szumne tytuły o generowaniu wszechświata, ale (dla mnie) to była lipa i nie GAN tylko prościutka sieć, nie zrobiło na mnie wrażenia, to zwykła aproksymacja funkcji i zyskali na wydajności (kosztem jakości).

Potem pomyślałem o chemii, fizyce, ale okazuje się, że za cienki jestem z tego i nie wiedziałem co by to mogło "kreować", związki? białka? ale jakie? "losowe|? możliwe do stworzenia? No za slaby jestem. No i tak sobie rozmyślałem, rozmyślałem i nic większego nie wymyśliłem po za banałami ;) 

Ale urlop, muszę do tego wrócić :) 

Share this post


Link to post
Share on other sites
5 godzin temu, 3grosze napisał:

Dzieło z pewnością, ale czy to będzie dzieło sztuki, to zależy jak operowaliście światłem, perspektywą i prowadziliście kreskę, jak subtelnie zestroiliście barwy i operowaliście ich nasyceniem, jaką metaforę niesie  transformacja Waszych (malowanych) twarzy.

Przerażasz mnie ;)

7 godzin temu, 3grosze napisał:

Artysta tworzy dzieło wg swojej unikalnej koncepcji, co nadaje charakterystyczny ton jego pracom. Mistrz to artysta wyjątkowy (i jeszcze musi zdobyć uznanie), inaczej to zwykły twórca-wyrobnik.

Tak, gorzej, że zdobycie tego uznania jest raczej uznaniowe. Krytyk sztuki to podobna fucha jak magik, imho, no, ale przyznaję, że się na sztuce nie znam :)

6 godzin temu, Jajcenty napisał:

Umiem namalować kółka Kandinsky'ego, ale jego twory są Sztuką. A moje bezmyślną kopią. Podobno stoi za tymi obrazami pomysł i idea.

No, powiedzmy, że trzeba docenić nowy pomysł na coś, nazwijmy go nawet innowacyjnym, nie mniej jednak "zdobycia uznania" i tak jest to chyba zupełnie... uznaniowe? :)

Do tego nie można chyba powiedzieć, że jak ktoś skopiuje styl Picasso to obrazy Picassa przestają być sztuką, bo to jednak była jego koncepcja, jego pomysł i wykonanie, a że ktoś potem może go naśladować.

Macie teścik: https://joemonster.org/art/25222

6 godzin temu, Afordancja napisał:

A bardziej prawdopodobne, taki automat jest wyuczony na podstawie N stylów, tak, że może tworzyć swój indywidualny styl i niech będzie, że maluje portrety (czy malując porterety można mieć koncepcję? i być artystą?) a koncepcję odgadują obserwatorzy (prawie jak z interpretacją wiersza, co autor miał na myśli). to bez znajomości autora możemy stwierdzić, zę to prawdziwy artysta? a gdy dowiemy się że automat to czar pryska bo na pewno koncepcji tam nie było? 

To jest bardzo prawdopodobne, bo jest to uznaniowe, jak większość "humanistycznych" rzeczy, po prostu nie policzysz. Nie wiem jak z negowaniem po odkryciu, że to automat, ale uznanie czegoś za sztukę to widzi mi się obserwatora (pytanie jaką moc sprawczą ma jego opinia, uznany krytyk sztuki, kolekcjoner, czy zwykły miłośnik).

6 godzin temu, Jajcenty napisał:

edit BTW GANs to całḱowite spełnienie marzeń leniwca: Nie dość że same mysłi to jeszcze kto inny to uczy - zero wysiłku, normalnie raj zbieracza polowacza :) 

A czym to się różni od każdego innego narzędzia? Czy to samochód czy młotek. Ktoś robi, wszyscy inni używają. W IT tak samo, gotowe frameworki prawie(?) w każdym języku wysokiego poziomu, w pythonie gotowe biblioteki do ML, a na to wszystko inne gotowe biblioteki, które jeszcze bardziej upraszczają proces (np. keras na tensorflow, a to wszystko na numpy, etc). Jeszcze trochę i będzie tylko drag and drop (czy tam już jest, zobacz na databricks mlflow i automl). A kto i do czego wytrenuje GANa to... właśnie(!) może to już jest sztuką samo w sobie? :)

2 godziny temu, Afordancja napisał:

Ostatnio zastanawiałem się do czego bardziej praktycznego (wiem, dla wielu to powyższe jest już praktyczne) można by użyć takiego GANa 

To ten deepnude Ci nie wystarcza? ;)

Generalnie są dwa nurty, content generation oraz automatyka i robotyka, a czy coś jeszcze? Ten co wymyśli może być bogaty (bo pierwszy założy start-upa i będzie kosił piniądz) :)

Share this post


Link to post
Share on other sites
9 godzin temu, Afordancja napisał:

statnio zastanawiałem się do czego bardziej praktycznego (wiem, dla wielu to powyższe jest już praktyczne) można by użyć takiego GANa  i przyznam się, że miałem problem  wymyśleniem. No bo szeroko rozumiana sztuka, mnie jakoś nie zachwyca, muzyka, obróbka zdjęc/filmów, czy też generowanie  jakoś nie wydaje mi się super super.

Mam podobny problem. Postarzanie czy naśladowanie stylu traktuję raczej jako pijarowy proof of concept. Niemniej wiki podaje trochę zastosowań. Zatem dobrze byłby wiedzieć w czym GAN jest lepsza od innych rozwiązań. Ostatnio moi koledzy trenowali NN do dość trudnego OCRa i zajęło im to tygodnie liczenia na jakiejś odjechanej maszynie (GPU). A może GAN załatwiłby sprawę między poranną kawą a lanczem.

6 godzin temu, radar napisał:

A czym to się różni od każdego innego narzędzia? Czy to samochód czy młotek. Ktoś robi, wszyscy inni używają. W IT tak samo, gotowe frameworki prawie(?) w każdym języku wysokiego poziomu, w pythonie gotowe biblioteki do ML, a na to wszystko inne gotowe biblioteki

To prawda. Jednak to trochę wymóżdża. Zaczynałem swoją przygodę z IT od papierowej taśmy i kart perforowanych. Miałem własne procedury kompilowania, linkowania - całkowicie panowałem nad procesem w każdym jego aspekcie. Teraz wgram jakiegoś nugeta, posypie się konfiguracja czy wersje i mam pozamiatane - jestem bezradny jak dziecko. Od paru miesięcy zajmuję się obróbką obrazu (python + opencv) i widzę że mamy tendencje do magicznego myślenia. Jak tylko pojawia się problem, bo szum, bo zła jakość wideo, natychmiast skręcamy w magię NN.

Obawiam się, że najtrudniejsze zadanie, myślenie, zostawimy maszynom, a sami wreszcie będziemy mogli zasiąść z piweczkiem przed TV. Nasza NFR to piwo, czipsy, TV i cukrzyca z lustrzycą :D

Share this post


Link to post
Share on other sites
Posted (edited)
16 minut temu, Jajcenty napisał:

Obawiam się, że najtrudniejsze zadanie, myślenie, zostawimy maszynom, a sami wreszcie będziemy mogli zasiąść z piweczkiem przed TV. Nasza NFR to piwo, czipsy, TV i cukrzyca z lustrzycą :D

Witaj w klubie. :D

Od lat niezmiennie forsuję powrót do korzeni (niekoniecznie na drzewa ;)), ale wiem, że to już mission impossible. Niestety.
Również pamiętam karty perforowane (po "przemianie" kupa została w instytutowej bibliotece jako zakładki, fiszki itp., nic się nie marnowało ;)) i zadziwiać może ten rozwój. Cóż jednak z tego, gdy nie istnieje rozwój naszych centralnych jednostek obliczeniowych (mózgi); właściwie niespecjalnie zmieniły się od dziesiątek tysięcy lat. ;)

ed: GAN i DM, słyszałem, ale nie wnikałem w szczegóły; ciekawy temat, chyba poczytam ;)

ed: zapomniałem

14 godzin temu, tempik napisał:

Sztuka=1szt. Jak są 2 sztuki czegokolwiek to już.nie jest sztuka

Każdy dostanie sztukę siebie i będzie sztuka; pomijam bliźniaki jednojajowe itp.

Edited by Astro

Share this post


Link to post
Share on other sites
6 godzin temu, radar napisał:

To ten deepnude Ci nie wystarcza?

Pomysł biznesowy wg. mnie świetny, ale jak tak pomyśleć to o co właściwie chodzi, o to aby kogoś znanego sobie tym "obrobić" (bo nieznanych to nie trzeba za bardzo szukać), jednak masz świadomość, że to trochę lepsze niż przyklejanie głowy  z jednego zdjęcia do drugiego. (PS. nie używayłem tego, bo akurat nie moje klimaty, ale czytałem, że w sumie to słąbo działało jedynie z bikini)

 

7 godzin temu, radar napisał:

Generalnie są dwa nurty, content generation oraz automatyka i robotyka, a czy coś jeszcze? Ten co wymyśli może być bogaty (bo pierwszy założy start-upa i będzie kosił piniądz)

I ta ścieżka mi się podoba :D

 

26 minut temu, Jajcenty napisał:

Ostatnio moi koledzy trenowali NN do dość trudnego OCRa i zajęło im to tygodnie liczenia na jakiejś odjechanej maszynie (GPU). A może GAN załatwiłby sprawę między poranną kawą a lanczem.

hm... za rano może jest, ale nie widzę jakoś przewagi GANa jeśli chodzi o obliczenia (w sumie to jest więcej bo są w sumie 2 sieci)

 

 

Share this post


Link to post
Share on other sites
2 minuty temu, Afordancja napisał:

m... za rano może jest, ale nie widzę jakoś przewagi GANa jeśli chodzi o obliczenia (w sumie to jest więcej bo są w sumie 2 sieci)

Duża robota to przygotowanie zestawu treningowego. Może GAN potrafi sam sobie opisać dane wejściowe? ;) Nie wiem, nie mam pojęcia jakie są przewagi GAN

Share this post


Link to post
Share on other sites
9 minut temu, Jajcenty napisał:

Duża robota to przygotowanie zestawu treningowego. Może GAN potrafi sam sobie opisać dane wejściowe? ;) Nie wiem, nie mam pojęcia jakie są przewagi GAN

hm..raczej nie potrafi. Przewaga GAN jest w tym do czego zostały stworzone, czyli w generowaniu danych wyjściowych, na podstawie hm..nawet i szumu.. JEdnak z rano jest dla mnie. zero sensownych myśli :P 

Share this post


Link to post
Share on other sites
Godzinę temu, Jajcenty napisał:

Może GAN potrafi sam sobie opisać dane wejściowe?

Nie, trash in, trash out.

Godzinę temu, Afordancja napisał:

Przewaga GAN jest w tym do czego zostały stworzone, czyli w generowaniu danych wyjściowych, na podstawie hm..nawet i szumu

Tak, ale pamiętajmy, że GAN sam z siebie nic nie generuje (nie tworzy). Trenujemy ją do generowania jakiś konkretnych rzeczy. Kluczowa jest tu sieć dyskryminatora, która na "szum" nakłada wytrenowane "ground truth". To jest tylko wariacja na temat, a różnica pomiędzy innymi architekturami polega na tym, że nie musisz nic podawać na wejście w procesie generowania (generujemy szum dowolną liczbę razy, ile potrzebujemy i mamy na wyjściu ileś "czegoś"), ale za to proces uczenia jest podobny, i tak musisz podać zestaw uczący, testowy etc etc.

Share this post


Link to post
Share on other sites
6 minut temu, radar napisał:

Nie, trash in, trash out.

Drzewiej, za moich czasów mówiło się inaczej. Ówno na wejściu, ówno na wyjściu.

Share this post


Link to post
Share on other sites
10 minut temu, radar napisał:

ak, ale pamiętajmy, że GAN sam z siebie nic nie generuje (nie tworzy). Trenujemy ją do generowania jakiś konkretnych rzeczy. Kluczowa jest tu sieć dyskryminatora, która na "szum" nakłada wytrenowane "ground truth". To jest tylko wariacja na temat, a różnica pomiędzy innymi architekturami polega na tym, że nie musisz nic podawać na wejście w procesie generowania (generujemy szum dowolną liczbę razy, ile potrzebujemy i mamy na wyjściu ileś "czegoś"), ale za to proces uczenia jest podobny, i tak musisz podać zestaw uczący, testowy etc etc.

TAk, tak, pełna zgoda.  proces jest prawie takich sam, GAN nie jest jakimś mega skokiem technologicznym jest sprytnym trickiem a mianowicie sam proces poprawiania błędu (uczenia) poprzez połączenie sieci dyskryinatora i generatora to jest cały majstersztyk. 

Share this post


Link to post
Share on other sites
4 minuty temu, Afordancja napisał:

to jest cały majstersztyk

Tak. Po ludzku eliminujemy głupiego homo w przekazywaniu danych z wyjścia na wejście. Jest trochę szybciej.

Share this post


Link to post
Share on other sites
Posted (edited)
7 minut temu, Astro napisał:

Tak. Po ludzku eliminujemy głupiego homo w przekazywaniu danych z wyjścia na wejście. Jest trochę szybciej.

eeee. No nie. (w ogóle nie na tym polega usprawnienie w stosunku do innch koncepcji z tej materii

Edited by Afordancja

Share this post


Link to post
Share on other sites
4 minuty temu, Astro napisał:

Tak. Po ludzku eliminujemy głupiego homo w przekazywaniu danych z wyjścia na wejście. Jest trochę szybciej.

To nawet nie tak, że głupiego. Homo by to zrobił lepiej, ale ponieważ staliśmy się więźniami ilości (bo potrzeba milionów danych trenujących) to po prostu nie wyrabiamy. 

Ja największy potencjał widzę w automatyce, bo i generowanie tekstu imho za daleko na razie nie zajdzie. Owszem LSTM i jej wariacje z pamięcią zewnętrzną i "uwagą" poprawiają statystyki, ale jednak słabo. Czy to streszczenia czy właśnie rozwinięcia to brakuje tu jednej istotnej rzeczy, którą ma człowiek pisząc tekst, a której na razie nie sposób zaimplementować, a mianowicie intencji. Człowiek decyduje, co chce napisać, potem ewentualnie jak i całość nabiera sensu. Tekst generowany wygląda jak wygląda, widać po nagłówkach i krótkich notkach w necie :/

  • Upvote (+1) 1

Share this post


Link to post
Share on other sites
4 minuty temu, radar napisał:

Tekst generowany wygląda jak wygląda, widać po nagłówkach i krótkich notkach w necie :/

To wiele wyjaśnia. Sądziłem że mam do czynienia z wysypem stażystów na wolontariacie czekającymi na możliwość powtórzenia matury z polskiego.

Share this post


Link to post
Share on other sites
Posted (edited)
9 minut temu, radar napisał:

Tekst generowany wygląda jak wygląda, widać po nagłówkach i krótkich notkach w necie :/

Swoją drogą, powstałą już nawet (nie wiem czy było na kopalni) książka z jakiejś dziedziny napisana przez AI "streszczająca" jakąś większą wiedzę. Nie potrafię jednak określić (nie znam się) jej poziomu.

Dla mnie jednak nawet bez intencji jak by działało to na większą skalę było by super. 

Edited by Afordancja

Share this post


Link to post
Share on other sites
Posted (edited)

Słusznie Panowie, macie rację, tylko... Wiesz co radar, nie jestem jedynie pewien tego:

14 minut temu, radar napisał:

Homo by to zrobił lepiej

:)

Kiedyś, gdy system pisało trzech ludków z wagonem kawy i fajek to miało sens... Dziś już nie.

Edited by Astro

Share this post


Link to post
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now

  • Similar Content

    • By KopalniaWiedzy.pl
      Południowokoreański mistrz Go Lee Sedol, który zdobył ogólnoświatowy rozgłos w 2016 roku po słynnym meczu ze sztuczną inteligencją, odszedł na emeryturę. Przypomnijmy, że w 2016 roku sztuczna inteligencja o nazwie AlphaGo pokonała Lee Sedola stosunkiem 4:1. Wcześniej program rozgromił innych graczy w Go, a Sedol był jedynym, któremu udało się z nim wygrać partię.
      Sedol, który wkrótce skończy 37 lat, oświadczył, że rezygnuje z profesjonalnej kariery w Go, gdyż w związku z olbrzymimi postępami sztucznej inteligencji, nie może być czołowym graczem, nawet gdyby był najlepszym z ludzi. "Nawet gdybył był numerem jeden, to będzie ktoś, kogoś nie będę w stanie pokonać", powiedział Sedol w wywiadzie dla agencji prasowej Yonhap.
      Lee Sedol pozostaje jedynym człowiekiem, któremu udało się pokonać AlphaGo. Mistrz uważa, że wygrał dzięki błędowi w oprogramowaniu AlphaGo. Podczas meczu, który odbył się 13 marca 2016 roku grający białymi Lee wykonał nietypowy 78. ruch. Wprawił on AlphaGo w zakłopotanie i system wykonał bardzo słaby ruch 79., który niespodziewanie dał Sedolowi przewagę. Ten jej nie zmarnował i po jakimś czasie AlphaGo poddał partię.
      Specjaliści uznają ruch 78. za „błyskotliwy, boski”, jednak sam Sedol twierdzi, że wygrał partię, gdyż AlphaGo nie potrafił prawidłowo zareagować na jego nietypowe zagrania. Mój ruch 78. nie był zagraniem, na który należało reagować bezpośrednio. Takie błędy zdarzają się w programie Fine Art (to chiński program komputerowy do gry w Go). Fine Art jest trudny do pokonania, nawet jeśli ma handicap 2 kamieni. Jeśli jednak przegrywa, to w bardzo dziwaczny sposób. To błąd w oprogramowaniu, wyjaśnia Sedol.
      Mistrz przyznaje, że był sfrustrowany po pierwszych trzech przegranych partiach. Rzadko czytam w internecie informacje na swój temat. Byłem jednak ciekaw, jak bardzo źle ludzie mówią o mnie po tym, jak przegrałem trzy pierwsze partie. Z zaskoczeniem zauważyłem, że niewiele osób mnie krytykowało. Szczerze mówiąc, już przed rozpoczęciem meczu czułem, że mogę przegrać. Ludzie z DeepMind Technologies byli od samego początku bardzo pewni swego, przyznaje.
      Co ciekawe, jeszcze w grudniu Lee planuje zmierzyć się z kolejnym systemem sztucznej inteligencji grającym w Go. Program HanDol, opracowany w 2018 roku przez firmę NHN Entertainment Corp. już wygrał z 5 czołowymi graczami z Korei Południowej.
      Nadchodzący mecz Lee Sedol rozpocznie z przewagą dwóch kamieni, które zostaną ustawione na planszy przed rozpoczęciem gry. Kolejne handikapy będą ustalane w zależności od wyniku pierwszej partii. Sądzę, że nawet z przewagą dwóch kamieni przegram z HanDolem. Ostatnio nie czytuję informacji ze świata Go. Chcę w spokoju przygotować się go rozgrywki i zrobię co w mojej mocy, stwierdza Sedol.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Nowy bot wyposażony w sztuczną inteligencję wygrywa z ludźmi w grze, w której role i motywacje poszczególnych graczy są trzymane w tajemnicy, należy więc się ich domyślić.
      Słyszeliśmy już o wielu systemach sztucznej inteligencji, które są w stanie pokonać ludzi. Komputery od dawna radzą sobie z nami w szachach, przed trzema laty program AlphaGo pokonał profesjonalnych graczy w go, a niedawno informowaliśmy o oprogramowaniu, które wygrywa z ludźmi w wieloosobowym pokerze. Są również algorytmy biorące udział w rozgrywkach zespół kontra zespół. Jednak we wszystkich wspomnianych rodzajach gier od początku wiadomo, kto jest przeciwnikiem, a kto sojusznikiem.
      W przyszłym miesiącu podczas Conference on Neutral Information Processing Systems naukowcy z MIT zaprezentują DeepRole, pierwszego wygrywającego wieloosobowe gry, w których początkowo nie wiadomo, kto jest przeciwnikiem, a kto sojusznikiem. System wyposażono w mechanizmy, które na podstawie częściowych danych obserwacyjnych pozwalają ocenić, jaką rolę odgrywają poszczególni gracze. Następnie program gra tak, by jego drużyna odniosła zwycięstwo.
      DeepRole zmierzył się z ludźmi w online'owej wersji gry „The Resistance: Avalon”. To rozgrywka pomiędzy dwoma grupami: członkami ruchu oporu i rządowymi szpiegami. Gracze muszą domyślić się, kto do jakiej drużyny należy, a jednocześnie starać się ukryć swoje rolę przed innymi. DeepRole rozegrał ponad 4000 rund i bezsprzecznie wykazał swoją wyższość nad ludzkimi graczami. Jeśli zastąpisz człowieka botem, to twój zespół będzie częściej wygrywał. Boty są lepszymi partnerami, mówi główny autor algorytmu, Jack Serrino.
      Prace nad DeepRole to część większego projektu, w ramach którego modelowany jest sposób podejmowania decyzji przez ludzi. Ma to pomóc w stworzeniu robotów, które lepiej będą rozumiały ludzi i z nimi współpracowały.
      Ludzie uczą się i współpracują z innymi. To pozwala nam osiągać cele, których nie możemy osiągnąć w pojedynkę. Gry takie jak „Avalon” dobrze oddają dynamikę codziennych ludzkich interakcji. Niezależnie od tego, czy jesteśmy pierwszy dzień w przedszkolu czy w nowej pracy, określamy, kto jest z nami i z kim będziemy współpracowali, mówi inny z autorów, Max Kleiman-Weiner.
      DeepRole wykorzystuje algorytm o nazwie „counterfactual regret minimization” (CFR), którego uczy się wielokrotnie grając przeciwko samemu sobie. W każdym momencie rozgrywki CFR tworzy drzewo decyzyjne, opisujące potencjalne ruchy każdego z graczy. Na jego podstawie algorytm uczy się, które działania zwiększają, a które zmniejszają szanse na wygraną. W końcu opracowuje optymalną strategię, która w najgorszym przypadku pozwala mu zremisować.
      CFR dobrze sprawdza się w takich grach jak poker, gdzie działania każdego z graczy są widoczne. Jednak w „The Resistance” nie zawsze wiemy, kto jaką rolę odgrywa i jaką decyzję podejmuje. Dlatego też bot musi brać pod uwagę większą liczbę możliwości podczas tworzenia drzewa decyzyjnego dla każdego graczy. Gdy w czasie rozgrywki gracz podejmie wystarczająco dużo działań niezgodnych z założonym przez DeepRole drzewem decyzyjnym, algorytm uznaje, że pomylił się co do przynależności gracza i uznaje, że ten odgrywa inną rolę. Po pewnym czasie potrafi z dużym prawdopodobieństwem określić rolę każdego z graczy i dostosować do tego swoje zachowanie, by zwiększyć szanse swojej drużyny. Na przykład jeśli misja dwuosobowa się nie uda, inni gracze wiedzą, że jeden z jej uczestników jest szpiegiem. Wówczas bot, gdy przyjdzie jego kolej na podjęcie decyzji, najprawdopodobniej nie zaproponuje tych osób do kolejnej misji, obawiając się, że jedna z nich będzie jej szkodziła, wyjaśniają twórcy programu.
      Co interesujące, bot jest w stanie pokonać ludzi nawet się z nimi nie komunikując. Komunikacja pomiędzy graczami to ważny element rozgrywki, a w online'owej wersji „Avalona” zaimplementowano czat umożliwiający taką komunikację. DeepRole radzi sobie i bez tego. Jednak w najbliższym czasie jego twórcy chcą go wyposażyć w bardzo proste możliwości komunikacyjne, jak określenie, który z graczy jest po dobrej, a który po złej stronie. Być może w przyszłości boty wykorzystujące sztuczną inteligencję będą radziły sobie w grach, wymagających zaawansowanych umiejętności komunikacyjnych, takich jak gra „Werewolf”.
      Język to kolejna granica. Jednak tutaj trzeba pokonać wiele barier, stwierdzają autorzy bota.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Ponad 2000 uczniów klas czwartych z 57 szkół podstawowych, ponad 370 000 rozwiązanych wygenerowanych zadań matematycznych – to efekt pierwszej edycji projektu "Matematyka – wstęp do kariery wynalazcy". Prowadzony w roku szkolnym 2018/2019 przez naukowców z Wydziału Matematyki i Nauk Informacyjnych Politechniki Warszawskiej projekt miał dwa podstawowe cele: podniesienie u uczniów kompetencji matematycznych oraz weryfikację działania nowej wersji systemu zeszyt.online.
      Zespół naukowców skupionych wokół Politechniki Warszawskiej przez ostatnie lata pracował nad opartym na sztucznej inteligencji systemem wspierającym naukę matematyki. System zeszyt.online, bo o nim mowa, to platforma, do której użytkowania wystarczy przeglądarka internetowa. Po zalogowaniu uczeń dostaje zadania, których zakres i poziom trudności na bieżąco dostosowują się do aktualnych umiejętności oraz skuteczności w rozwiązywaniu.
      Indywidualizacja nauki
      Indywidualizowanie nauczania to przyszłość, od której nie uciekniemy, jeżeli zależy nam na wysokich efektach dydaktycznych i przewadze naszej młodzieży na tle rówieśników z innych krajów.
      Nie ma sensu, aby bardzo dobry uczeń rozwiązywał wiele prostych, mechanicznych zadań – mówi Artur Jackowski, kierownik zespołu zeszyt.online. Od pewnego momentu niczego nowego się nie nauczy. Aby efektywniej wykorzystywać czas nauki, lepiej dać mu zadania, które wymagają od niego większego wysiłku intelektualnego. Z drugiej strony nie ma co dawać uczniom słabszym bardzo trudnych zadań. Zapewne na razie nie będą w stanie ich rozwiązać. Zmarnują tylko czas i nabiorą awersji do matematyki. System automatycznie indywidualizuje naukę, próbując odpowiednio dobierać zadania matematyczne.
      System od początku był projektowany z myślą o samodzielnej pracy. Dlatego uczeń od razu po rozwiązaniu zadania dostaje informację, czy zrobił je poprawnie. Jest to szczególnie przydatne, gdy uczeń jest w domu i nie może liczyć na pomoc rodzica czy też korepetytora. Badania pokazały, że dzięki takiej natychmiastowej automatycznej weryfikacji uczeń, będąc później w szkole, mniej stresuje się przy tablicy, częściej odpowiada na pytania nauczyciela i ogólnie, jest aktywniejszy na lekcji.
      Odejść od schematów, zrozumieć ucznia
      To, z czego jesteśmy najbardziej dumni, to uzyskany przez nas przełom w diagnozie przyczyn błędów i trudności z zadaniem, a następnie udzielaniem uczniowi indywidualnej pomocy – mówi o systemie kierownik zespołu. Jesteśmy tutaj pionierami na światową skalę. Znacząco zmieniamy podejście do nauczania matematyki. Klasycznie nauczyciel czy korepetytor tłumaczą uczniowi, jak powinien był rozwiązać zadanie. W konsekwencji uczy się w ten sposób schematów. Uczeń przyjmuje je do wiadomości, zapamiętuje, a później próbuje je odtworzyć. Jest to bierne podejście do nauki, które zabija kreatywność.
      System zeszyt.online, choć pomaga uczniowi dojść do prawidłowego wyniku, nigdy nie wyświetla mu gotowego rozwiązania. Zamiast tego zmusza go do samodzielnego myślenia i poszukiwań.
      System, gdy zdiagnozuje przyczynę problemu, tak dobiera następne zadania, aby uzupełnić braki w wiedzy i rozumieniu oraz ćwiczy kojarzenie faktów – wyjaśnia Artur Jackowski. Gdy uczeń jest gotowy, to wraca do oryginalnego zadania, które rozwiązuje bez pomocy człowieka. I to się sprawdza. W zeszłym roku szkolnym uczniowie biorący udział w badaniu zrobili błędnie 108 412 zadań. System poprawnie zdiagnozował i znalazł skuteczną pomoc już w co trzecim przypadku. A mówimy tu o danych statystycznych na całkiem dużej próbie badawczej. U uczniów pracujących systematycznie, uzyskujemy jeszcze lepsze wyniki. Im więcej zadań rozwiązuje dana osoba, tym mamy więcej informacji i możemy skuteczniej dopasowywać pomoc.
      Jak zostać generałem matematyki?
      Nauka wymaga od ucznia stałego wysiłku. Aby ją uatrakcyjnić i zmniejszyć odczucie wkładanej pracy, system połączony jest z mechanizmami motywującymi. Uczniowie rozwiązując zadania zbierają punkty, które przekładają się na osiągane stopnie. Każdy zaczyna od szeregowego matematyka i rozwija się w kierunku generała. Dodatkowo zdobywa specyficzne odznaczenia za szczególne osiągnięcia.
      Koniec z matematycznym koszmarem?
      Nad projektem pracują analitycy, programiści, metodycy, nauczyciele matematyki, psychologowie, osoby odpowiedzialne za wsparcie techniczne i utrzymanie infrastruktury. To silny i zgrany zespół, który umożliwia skuteczną realizację stawianych przed nim wyzwań.
      Chcielibyśmy, aby z efektów naszej pracy mogli skorzystać uczniowie z całej Polski – mówi Artur Jackowski. Marzy nam się, aby dzięki zeszyt.online matematyka przestała być postrachem wśród uczniów. Mamy rozwiązania, które umożliwiają wychodzenie ze spirali zaległości, indywidualizowanie i koordynowanie nauki, stawianie uczniom celów i dążenie do ich realizacji, przygotowywanie do sprawdzianów i odległych egzaminów połączone z zarządzaniem powtórkami.
      Wiele tych funkcjonalności jest ciągle testowana na wąskich grupach użytkowników i wymaga dodatkowych nakładów pracy, zanim zostanie szerzej udostępniona. Większe uruchomienie to także koszty związane z utrzymaniem infrastruktury i zapewnieniem wsparcia dla uczniów i nauczycieli.
      Zwracamy się do organów prowadzących szkoły – wyjaśnia Artur Jackowski. W ich placówkach już teraz możemy uruchomić nasze oprogramowanie, jeżeli będą pokrywały koszty serwerów, wdrożenia oraz współfinansowały dalszy rozwój. Poszukujemy również sponsorów – zarówno wśród firm prywatnych jak również instytucji publicznych, którym zależy na poprawie jakości edukacji i chciałyby mieć w tym swój wkład.
      System zeszyt.online zdobył wiele pozytywnych opinii od uczniów i nauczycieli, którzy korzystali z niego w pierwszej edycji projektu "Matematyka – wstęp do kariery wynalazcy".
      W tym roku szkolnym w ramach Programu Operacyjnego Wiedza Edukacja Rozwój 2014–2020 przygotowano bezpłatne miejsca dla 50 dodatkowych klas IV województwa mazowieckiego, żeby dać możliwość przetestowania tego nowatorskiego rozwiązania szerszym kręgom uczniów.
      Więcej informacji o systemie: zeszyt.online

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Na University of Maryland powstał Geneva (Genetic Evasion), system sztucznej inteligencji, który uczy się omijania cenzury w sieci. Podczas testów w Chinach, Indiach i Kazachstanie Geneva opracował dziesiątki sposobów na ominięci cenzury i dotarł do informacji, których samodzielne odnalezienie było niemożliwe.
      Geneva to pierwszy krok w kierunku rozpoczęcia nowego wyścigu zbrojeń, w którym konkurowały będą systemy sztucznej inteligencji opracowane przez cenzorów i ich przeciwników, mówi profesor Dave Levin, główny autor badań. Zwycięstwo w tym wyścigu będzie oznaczało wolność słowa i swobodną komunikację dla milionów ludzi na całym świecie, którzy obecnie nie mogą z niej korzystać.
      Działanie większości systemów internetowej cenzury opiera się na monitorowaniu pakietów wysyłanych przez wyszukiwarki. Blokowane są pakiety zawierające niewłaściwe słowa lub adresy. Geneva w inny sposób dzieli pakiety, przez co systemy cenzurujące nie są w stanie rozpoznać zakazanych treści. Program jest ewoluującym algorytmem, który w każdej swojej generacji identyfikuje te strategie antycenzorskie, które najlepiej działały, wykorzystuje je do dalszej pracy i przestaje używać tych źle działających.
      Testy Genevy przeprowadzono w Chinach, gdzie użytkownik komputera z zainstalowaną Genevą był w stanie wyszukiwać informacje zawierające zakazane słowa, w Indiach, gdzie władze blokują konkretne witryny i w Kazachstanie, gdzie w czasie testów władze blokowały niektóre serwisy społecznościowe. We wszystkich przypadkach Geneva wygrała z cenzurą.
      Naukowcy z Maryland chcą udostępnić swoje dane i kod źródłowy, by inni mogli z nich korzystać i rozwijać Genevę. Jeśli Genevę możnaby zainstalować po stronie serwera i po stronie klienta, to miliony ludzi zyskałyby dostęp do informacji. W tym właśnie kierunku zmierzamy, mówi Levin.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Problem trzech ciał, czyli ruchu trzech ciał oddziałujących na siebie przez grawitację, stanowi poważne wyzwanie obliczeniowe od czasu sformułowania go przez Newtona. Obecnie, dzięki komputerom. możemy poznać dokładne rozwiązanie problemu, jednak nawet nowoczesnym maszynom obliczenia zajmują całe tygodnie, a nawet miesiące.
      Grupa naukowców z Uniwersytetów w Lejdzie, Aveiro, Edynburgu i Cambridge zaprzęgła do obliczeń sztuczną inteligencję. Okazało się, że sieci neuronowe radzą sobie z obliczeniami nawet 100 milionów razy szybciej niż najbardziej zaawansowany obecnie algorytm Brutus. Jak mówi Chris Foley z University of Cambridge, to pokazuje, że sieci neuronowe mogą zostać wykorzystane do badania zachowania gromad gwiazd i lepszego poznania wszechświata.
      Jak czytamy w opublikowanym w arXiv artykule pod tytułem „Newton vs the machine: solving the chaotic three-body problem using deep neural networks [PDF]”, równania takie odgrywają główną rolę w rozwiązaniu wielu klasycznych problemów fizyki. Na przykład wyjaśniają one dynamiczną ewolucję gromad kulistych i jąder galaktycznych, które są uważane za miejsca powstawania układów podwójnych czarnych dziur, które w końcu łączą się, wytwarzając fale grawitacyjne. Los tych systemów zależy od interakcji trzech ciał, układów podwójnych czarnych dziur i pojedynczej czarnej dziury. Interakcje pomiędzy nimi zachodzą zwykle w ściśle określonym przedziale czasu i, biorąc pod uwagę silne interakcje pomiędzy tymi trzema ciałami, można zignorować wpływ innych ciał, co oznacza, że interakcje pomiędzy trzema ciałami można obliczać w izolacji od innych interakcji.
      Foley zauważa, że jeśli potwierdzi się, że sieć neuronowa pozwala na dokonanie precyzyjnych obliczeń w bardo krótkim czasie, to będziemy mogli myśleć o odpowiedziach na znacznie głębsze pytania, jak np. te o powstawanie fal grawitacyjnych.
      Jako, że sieci neuronowe wymagają odpowiedniego treningu przed zaprzęgnięciem ich do pracy Foley i jego koledzy – Philip G. Breen, Tjarda Boekholt i Simon Portegies Zwart – przygotowali za pomocą Brutusa 9900 uproszczonych scenariuszy dotyczących problemu trzech ciał. One posłużyły do treningu. Następnie przetestowali swoją sieć neuronową dając jej do rozwiązania 5000 kolejnych problemów tego typu, z którymi wcześniej się nie zetknęła. Okazało się, że wykonane przez nią obliczenia dały bardzo podobne wyniki, jak te, które uzyskano z Brutusa. O ile jednak Brutus potrzebował na rozwiązanie każdego z tych 5000 problemów około 2 minut, sieć neuronowa radziła sobie z nimi w ułamku sekundy.
      Christopher Foley wyjaśnia, że Brutus i podobne mu algorytmy są znacznie wolniejsze od SI, gdyż prowadzą obliczenia dla każdego niewielkiego przesunięcia się każdego z ciał w układzie. Tymczasem sztuczna inteligencja przygląda się ruchowi i poszukuje wzorców, które pozwolą na przewidzenie przyszłego zachowania ciał.
      Uczony zauważa, że problemem może być skalowanie możliwości sieci neuronowej. Musi ona bowiem się uczyć na istniejącym zestawie danych. Teraz była trenowana na uproszczonych scenariuszach. Jeśli jednak będzie potrzeba nauczenia jej radzenia sobie z bardziej złożonymi scenariuszami, czy z układami czterech lub nawet pięciu ciał, konieczne będzie wcześniejsze przygotowanie scenariuszy treningowych. A te trzeba będzie wykonać za pomocą powolnego Brutusa. Tu właśnie dochodzimy do momentu, gdy z jednej strony możemy trenować fantastycznie pracującą sieć neuronową, a z drugiej potrzebujemy danych treningowych. To wąskie gardło, stwierdza Foley. Sposobem na poradzenie sobie z tym problemem byłoby stworzenie całego zestawu danych uzyskanych za pomocą takich programów jak Brutus. To jednak oznacza, że najpierw musiałyby powstać standardowe protokoły, dzięki którym dane uzyskane od różnych programów będą spełniały te same wymagania i zostaną zapisane w tych samych formatach.
      Innym problemem jest fakt, że sieć neuronowa może zostać uruchomiona na określony czas. Nie sposób jednak przewidzieć, jak długo potrwają konkretne obliczenia zatem sieć może przestać działać zanim dostarczy wyników. Foley przewiduje powstawanie hybryd, w których część pracy wykonają programy takie jak Brutus, a sieci neuronowe zajmą się przetwarzaniem tylko najbardziej wymagających obliczeń. Za każdym razem gdy podczas obliczeń Brutus się zatnie, może włączać się sieć neuronowa i popchnie obliczenia do przodu, a gdy Brutus znowu będzie gotów do pracy, podejmie ją na nowo.

      « powrót do artykułu
×
×
  • Create New...