Թարգմանչաց շարժման տեսադարանը

Ինչպե՞ս խաբել նեյրոնային ցանցին:.mp4

WEBVTT

00:00.000 --> 00:00.000
Բարև բոլորին:

00:00.000 --> 00:01.000
Ես դա կանեմ ժամանակ առ ժամանակ:

00:02.000 --> 00:08.000
2077 թվականն է, և սա իմ ուղերձն է ապագայից դեպի անցյալ 2019 թվականին։

00:08.000 --> 00:15.000
Անմիջապես կասեմ, որ մեզ մոտ ամեն ինչ կարգին է, տերմինատորները չեն քայլում փողոցներով, մեքենաները սովորել են թռչել, և Wi-Fi-ը հասանելի է ամբողջ մոլորակում:

00:15.000 --> 00:20.000
Ընդհանրապես, ամեն ինչ հիանալի է, միայն մեկ հանգամանք կա, որ ստիպում է ինձ այս ամենը գրի առնել.

00:20.000 --> 00:22.000
Մեր օրերում որոշակի խնդիր է առաջացել.

00:23.000 --> 00:26.000
Գրեթե բոլոր ստեղծագործական մասնագիտությունները վերացել են։

00:26.000 --> 00:35.000
Կինոարդյունաբերությունը, երաժշտական ​​արտադրությունը, լրագրությունը և դիզայնի բյուրոները օգտագործում են արհեստական ​​բանականություն՝ հիմնված նեյրոնային ցանցերի և մեքենայական ուսուցման վրա:

00:35.000 --> 00:40.000
Սցենարները գրվում են ծրագրերով, երաժշտությունը ստեղծվում է համակարգիչներով, նորությունները կրկնօրինակվում են բոտերով:

00:41.000 --> 00:45.000
Որոշ մարդիկ գոհ են դրանով, բայց շատերը դեռ շատ դժգոհ են:

00:45.000 --> 00:51.000
Նրանք բողոքում են, ասում են՝ մեքենան չի կարող մարդկանց մեջ զգացմունքներ, փորձառություններ և որևէ հույզ առաջացնել։

00:52.000 --> 00:57.000
Դե, գուցե նրանք ճիշտ են, բայց ամեն դեպքում դա տեղի է ունենում, և դուք ոչինչ չեք կարող անել դրա դեմ:

00:57.000 --> 01:04.000
Կարելի է նույնիսկ ասել, որ մարդկանց և մեքենաների առճակատումը բոլորովին այլ էր, քան թվում էր 2019թ.

01:04.000 --> 01:11.000
Հետևաբար, ես որոշեցի հաղորդագրություն ուղարկել, որպեսզի որքան հնարավոր է շուտ ըմբռնում լինի, թե ինչպես են աշխատում նման խելացի ալգորիթմները:

01:11.000 --> 01:18.000
Ես ձեզ կասեմ, թե ինչ են արհեստական ​​նեյրոնային ցանցերը և ինչպես կարող են անել այն, ինչը, թվում է, միայն մարդը կարող է անել:

01:19.000 --> 01:24.000
Ինչո՞ւ ձեր տասնամյակում մեքենայական ուսուցման ոլորտում նման բեկում տեղի ունեցավ և ի՞նչ կապ ունի դա խաղացողների հետ:

01:25.000 --> 01:32.000
Հնարավո՞ր է հալյուցինացիաներ առաջացնել նեյրոնային ցանցում և ինչպե՞ս հասկանալ, թե որտեղ է մարդու ստեղծագործությունը, և որտեղ՝ մեքենայի կողմից ստեղծված իմիտացիան:

01:35.000 --> 01:37.000
Եվ սկզբից, ինչի՞ մասին ենք մենք նույնիսկ խոսում։

01:37.000 --> 01:40.000
Արհեստական ​​ինտելեկտը շատ լայն հասկացություն է։

01:40.000 --> 01:44.000
Սրանք անտրոպոմորֆ ռոբոտի ուղեղն են և լվացքի մեքենայի սխեման:

01:44.000 --> 01:49.000
Այսպիսով, արհեստական ​​ինտելեկտի միայն մի մասն է կազմում մեքենայական ուսուցման ալգորիթմները:

01:49.000 --> 01:52.000
Եվ դրանցից միայն մի քանիսն ունեն նեյրոնային ցանցի կառուցվածք։

01:52.000 --> 01:56.000
Դե, օդային ցանցում ոմանք դրանք խորն են անվանում, չնայած հիմա գրեթե բոլորը խորն են:

01:56.000 --> 01:59.000
Կան հարյուրավոր մեքենայական ուսուցման ալգորիթմներ:

01:59.000 --> 02:09.000
2019 թվականին դրանք օգտագործվում են որոնողական համակարգերում, առաջարկությունների համակարգերում, վարկունակությունը գնահատելիս, բորսաներում, ընդհանրապես, գրեթե ամենուր, որտեղ շատ տվյալներ կան։

02:09.000 --> 02:23.000
Բայց դրանցից ամենահզորը նեյրոնային ցանցերն են, որոնք, ի լրումն վերը նշված բոլորի, կարող են նաև ճանաչել օբյեկտները լուսանկարում, առաջացնել խոսք, պատկերներ, տեսանյութեր և նույնիսկ ընդօրինակել մարդուն, որպեսզի երբեմն չես կարող տարբերել:

02:24.000 --> 02:26.000
Ես ձեզ պարզապես կասեմ նրանց մասին:

02:26.000 --> 02:30.000
Մի քանի խոսք այն մասին, թե ինչ կարող է արդեն անել Aeroset-ը ձեր ժամանակ:

02:30.000 --> 02:36.000
Ես գտա տեղեկատվություն, որ Yandex-ը շատ զարգացումներ է կուտակել մինչև 2019 թվականը։

02:37.000 --> 02:46.000
Օրինակ, նրանք մի քանի անգամ մարզել են ոչ ցանցեր, որպեսզի սիմֆոնիաներ ստեղծեն դասական երաժշտության կոմպոզիտորների ոճով` Բախ, Բեթհովեն, Բրամս, Մոցարտ:

02:47.000 --> 02:52.000
Ալգորիթմն ինքն է հորինել մեղեդիներ, որոնք հետո դասավորվել և կատարել են երաժիշտները:

02:52.000 --> 02:57.000
2019 թվականին Yandex-ը սկսեց բարելավել հին ֆիլմերի և մուլտֆիլմերի որակը։

02:57.000 --> 03:03.000
Նեյրոնային ցանցն ինքնուրույն լրացնում է բաց թողնված պիքսելները՝ զգալիորեն մեծացնելով պատկերի լուծաչափը։

03:03.000 --> 03:11.000
Տեխնոլոգիան կոչվում էր Deep HD, և մինչ այժմ այն, իհարկե, անկախ Շրջիկ նկարիչ չէ, բայց սկզբունքորեն այն այնքան էլ հեռու չէ:

03:11.000 --> 03:16.000
Յանդեքսը նաև ստեղծեց նեյրոնային ցանց, որն ի վերջո գրեց տեքստը Գոգոլի ոճով։

03:16.000 --> 03:23.000
Նրանք պարզապես բեռնեցին սյուժեն դրա մեջ, և նա այն զարդարեց ռուս դասականի ոճով էպիտետներով, փոխաբերություններով, խոսքի պատկերներով:

03:23.000 --> 03:32.000
Բայց իմ սիրելին նեյրոնային ցանցն է, որը ստեղծում է բանաստեղծություններ ձեր ժամանակի հայտնի ռեփերների ոճով՝ Օքսիմիրոն, Փարավոն, Լ.Վ., Գուֆ:

03:33.000 --> 03:35.000
Թեև սպասիր, Գուֆ, կարծես այլևս քո ժամանակը չէ:

03:35.000 --> 03:38.000
Բայց ամեն դեպքում, նեյրոնային ցանցը հիանալի հաղթահարեց դա:

03:38.000 --> 03:44.000
Դուք կարող եք ինքներդ նայել և նույնիսկ փորձել կռահել, թե ում ստեղծագործությունն է ընդօրինակել ցանցը:

03:44.000 --> 03:49.000
Ընդհանուր առմամբ, 2010-ականների վերջին նեյրոնային ցանցերն արդեն շատ ուշադիր նմանակում էին մարդկանց։

03:49.000 --> 03:51.000
Ինչպե՞ս են նրանք դա անում:

03:51.000 --> 03:54.000
Սա մի խոսքով չի ստացվի, եկեք պարզենք:

03:54.000 --> 03:57.000
Կան բազմաթիվ տեսակի նեյրոնային ցանցեր, մի ամբողջ կենդանաբանական այգի։

03:57.000 --> 04:02.000
Բայց ընդհանուր սխեման սա է. սա շերտերի խմբավորված բջիջների մի շարք է:

04:02.000 --> 04:10.000
Յուրաքանչյուր բջիջ՝ նեյրոն, բանաձև է, որով մշակվում է մուտքային տեղեկատվությունը և հաշվարկվում է հետագա փոխանցվող ազդանշանը:

04:10.000 --> 04:16.000
Խաբեությունն այն է, որ յուրաքանչյուր միացում ունի իր գործակիցը, որով բազմապատկվում է անցնող ազդանշանը:

04:16.000 --> 04:22.000
Մենք կարող ենք կարգավորել դրանք այնպես, որ նեյրոնն ավելի ուժեղ արձագանքի որոշ ազդանշանների, իսկ մյուսներին՝ ավելի քիչ:

04:22.000 --> 04:28.000
Դե, ապա ամբողջ շրջանը կկարողանա կատարել շատ նուրբ և բարդ առաջադրանքներ:

04:28.000 --> 04:35.000
Իհարկե, այս բոլոր հազարավոր կամ նույնիսկ միլիոնավոր գործակիցները ոչ թե ձեռքով են ճշգրտվում, այլ ինքնաբերաբար։

04:35.000 --> 04:39.000
Սա մեքենայական ուսուցում է, և այսպես է աշխատում:

04:39.000 --> 04:43.000
Պարզ օրինակ՝ դուք պետք է վարժեցնեք ցանց՝ նկարներում կատուներին և շներին տարբերելու համար:

04:43.000 --> 04:48.000
Պիկսելային արժեքները տրամադրվում են անհատապես կամ խմբերով նեյրոնների առաջին շերտին:

04:49.000 --> 04:54.000
Այնտեղ ինչ-որ բան են հաշվում, արժեքը փոխանցում հաջորդ շերտին, այնտեղ նույնպես ինչ-որ բան է հաշվարկվում և այլն։

04:55.000 --> 04:59.000
Ի վերջո, ամեն ինչ հասնում է երկու նեյրոններից մեկին՝ կատու կամ շուն:

04:59.000 --> 05:07.000
Իսկ եթե ցանցը սխալվում է, ապա բազմապատկիչները, որոնցով բազմապատկվում է ազդանշանը, փոքր-ինչ փոխվում են, իսկ հետո ամեն ինչ կրկնվում է։

05:07.000 --> 05:10.000
Այսպիսով, 100, 1000, 10 հազար անգամ:

05:11.000 --> 05:17.000
Ընթացքում գործակիցները անընդհատ փոխվում են և իդեալականորեն հասնում են որոշակի ֆիքսված արժեքի:

05:17.000 --> 05:26.000
Ոչ էրոնետը նույնացնում է որոշակի հատկանիշներ, առանձնահատկություններ, հարաբերակցություններ, օրինակ՝ ձողիկներ, գծիկներ, թեքություններ, դրանց հարաբերական դիրքը, կողմնորոշումը։

05:26.000 --> 05:37.000
Իսկ մարզումների ժամանակ, կարելի է ասել, հենց այդ կապերի գործակիցները, որոնք այս բոլոր հատկանիշները գումարում են կատվի կամ շան կամ այլ բանի, մեծանում են՝ կախված առաջադրանքներից:

05:37.000 --> 05:44.000
Եվ ես ընտրեցի 2019 թվականը մի պատճառով. ի վերջո, հենց այս տասնամյակում էր, որ մեքենայական ուսուցումն աներևակայելի արագ զարգացավ:

05:45.000 --> 05:55.000
Պարզապես մտածեք դրա մասին. դուք վերջին սերունդն եք, որը դեռ հիշում է սոցիալական ցանցերում կանոնավոր թարմացումները, սպամի ձեռքով տեսակավորումը, ձայնային օգնականները, չվերականգնված ֆիլմերը:

05:55.000 --> 06:02.000
Ուրիշ ոչ ոք հնարավորություն չի ունենա համեմատելու առաջ և հետո և զգալ, թե որքան արագ են ալգորիթմներն ավելի խելացի դարձել:

06:02.000 --> 06:07.000
Եվ ամենակարեւորն այն է, որ դա տեղի է ունեցել մի պատճառով, բայց եղել է երեք նշանակալի պատճառ.

06:08.000 --> 06:11.000
Նախ, ի հայտ են եկել դասավանդման բավականին հզոր մեթոդներ։

06:11.000 --> 06:14.000
Դուք նույնպես պետք է կարողանաք կարգավորել գործակիցները:

06:14.000 --> 06:17.000
Որքա՞ն, ո՞ր ուղղությամբ, երբ կանգ առնել։

06:17.000 --> 06:21.000
Իհարկե, սա պատահական որոնում չէ, այլապես ուսուցումը հավերժ կտևի:

06:21.000 --> 06:28.000
Երկրորդ՝ հայտնվել են տվյալների հսկայական հավաքածուներ, տվյալների հավաքածուներ, որոնց վրա կարելի է բարձրորակ ուսուցում իրականացնել։

06:28.000 --> 06:30.000
Օրինակ՝ հայտնի ImageNet-ը։

06:30.000 --> 06:35.000
Ավելի քան 14 միլիոն նկար, որոնք ցույց են տալիս, թե կոնկրետ ինչ է պատկերված։

06:36.000 --> 06:44.000
Սա մի քանի անգամ ավելին է, քան նախկինում, ուստի 2012 թվականին նեյրոնային ցանցերը դարձել էին լուսանկարներում առարկաները ճանաչելու առաջատարը:

06:44.000 --> 06:50.000
Դե, երրորդ, նեյրոնների վրա հաշվարկները կատարվում են բավականին արագ՝ օգտագործելով վիդեո քարտերը՝ իրենց գովաբանված զուգահեռականությամբ:

06:50.000 --> 06:58.000
Հենց 2010-ականներին գրաֆիկական արագացուցիչներն աներևակայելիորեն ավելացրին հզորությունը և կատարողականությունը մի քանի կարգով:

06:58.000 --> 07:06.000
Եվ, իհարկե, շուկայի հիմնական պահանջարկը գեյմերների կարիքների բավարարումն էր, բայց դա ձեռնտու էր նաև նեյրոնային ցանցեր մշակողներին։

07:06.000 --> 07:15.000
Հնարավոր է դարձել մարզել և հաշվարկել անհավանական բարդ և ծանր ալգորիթմներ, ուստի ինչ-որ իմաստով հենց գեյմերներն են փոխել այս աշխարհը:

07:16.000 --> 07:18.000
Դե, ավելի ճիշտ՝ արագացրել են այս գործընթացը։

07:18.000 --> 07:25.000
2019 թվականին օդային համակարգը կճանաչի ճանապարհային նշանները, որոնք, ի դեպ, արդեն ներդրվել են Yandex-ի ինքնակառավարվող մեքենաներում։

07:25.000 --> 07:32.000
Նրանք կարող են բավականին գրագետ նախադասությամբ նկարագրել, թե ինչ է կատարվում լուսանկարում, ճանաչել քեզ արտաքինով, նույնացնել ձայնդ, գրելաոճդ։

07:33.000 --> 07:36.000
Այլ կերպ ասած, սա իրական համակարգչային տեսլական է:

07:36.000 --> 07:38.000
Իսկ հնարավո՞ր է նրան խաբել։

07:38.000 --> 07:42.000
Հնարավո՞ր է ստիպել նրան տեսնել հալյուցինացիաներ կամ օպտիկական պատրանքներ:

07:42.000 --> 07:44.000
Պարզվում է՝ այո։

07:44.000 --> 07:53.000
Փաստն այն է, որ երբ ցանցը վերապատրաստվում է և փնտրում է որոշակի առանձնահատկություններ և օրինաչափություններ, դրանք ոչ բոլորն են կապված հատուկ պատկերի համատեքստի հետ:

07:53.000 --> 07:59.000
Որոշները կապված կլինեն աղմուկի, արտեֆակտների և այլ մանրամասների հետ, որոնք ընդհանրապես կապ չունեն դրա հետ:

08:00.000 --> 08:05.000
Սա տրամաբանական է, քանի որ մենք չունենք վերահսկողություն միլիոնավոր պարամետրերի վրա, որոնցով աշխատում է ցանցը։

08:05.000 --> 08:10.000
Եվ հենց այդ կեղծ օրինաչափությունների վրա են հիմնված, այսպես կոչված, հակառակորդի հարձակումները:

08:11.000 --> 08:17.000
Նրանց խնդիրն է շեղել ցանցի ուշադրությունը այս ապակողմնորոշիչ հատկանիշների վրա:

08:17.000 --> 08:24.000
Դա անելու համար դուք կարող եք, օրինակ, նկարի վրա որոշակի աղմուկ պարտադրել, այնքան աննշան, որ նույնիսկ աչքով չեք նկատի:

08:24.000 --> 08:30.000
Բայց նեյրոնային ցանցի համար դա բավական կլինի սխալ օրինաչափությունները բացահայտելու և սխալ արդյունքի հասնելու համար:

08:31.000 --> 08:37.000
Հետաքրքիր է, որ որոշ դեպքերում բավական է փոխել միայն մեկ պիքսել, որպեսզի նեյրոնային ցանցը անսարքություն բռնի:

08:37.000 --> 08:39.000
Այո, սա աշխատում է նաև ծավալային մարմինների դեպքում։

08:39.000 --> 08:45.000
3D տպիչի վրա տպված հայտնի կրիա կա, որին նեյրոնային ցանցը համառորեն տեսնում է որպես հրացան։

08:45.000 --> 08:49.000
Իհարկե, դուք կարող եք բարձրացնել նեյրոնային ցանցերի դիմադրությունը արցունքաբեր հարձակումով:

08:49.000 --> 08:55.000
Ուսուցման ընթացքում նկարին ավելացվում է աղմուկ, փոքր-ինչ փոխվում են դրանց չափերն ու համամասնությունները։

08:55.000 --> 08:59.000
Այս ամենը ապահովելու համար, որ հնարավորինս քիչ կեղծ հատկանիշներ լինեն:

09:00.000 --> 09:05.000
Այսպիսով, նեյրոնային ցանցը խաբելու դժվարությունը կախված է նրանից, թե որքան խնամքով է այն ստեղծվել:

09:05.000 --> 09:10.000
Եվ եթե դուք չեք ցանկանում, որ ձեզ ճանաչեն որևէ նեյրոնային ցանց, ապա կան մի քանի տարբերակներ:

09:10.000 --> 09:17.000
Ամենահուսալի միջոցը մարզումների ժամանակ նրան սայթաքելն է ձեր լուսանկարները, որոնցում նշվում է, որ դուք այնտեղ չեք:

09:17.000 --> 09:21.000
Այնուհետև նա կհիշի դա և ոչինչ չի տեսնի այն ճանաչելիս:

09:21.000 --> 09:25.000
Թեև մարզումների ժամանակ նման վնասակար կարկատելը աննշան է, այն աշխատում է:

09:25.000 --> 09:28.000
Հայտնի է, որ դիմահարդարումը խենթացնում է նեյրոնային ցանցը:

09:28.000 --> 09:34.000
Տարօրինակ է նման բանով քայլել փողոցով, բայց եթե կարիք կա, կարծում եմ, կարող եք նման միջոցներ ձեռնարկել:

09:34.000 --> 09:38.000
Ընդհանուր առմամբ, եթե գիտեք, թե ինչպես է աշխատում նեյրոնային ցանցը, կարող եք խաբել նրան:

09:38.000 --> 09:41.000
Թե որքան հաճախ դա տեղի կունենա, այլ խնդիր է։

09:41.000 --> 09:46.000
Եթե ​​դա ավելի քիչ տարածված է, քան մարդկային սխալները, ապա ալգորիթմն արդեն լավ է աշխատում։

09:46.000 --> 09:54.000
Բացի այդ, հետագա մարզումներով նա կարող է հաշվի առնել իր բոլոր սխալները և, հնարավոր է, ապագայում իրեն չխաբեն։

09:54.000 --> 10:00.000
Բայց ամենահետաքրքիրն այն է, որ ավելի հաճախ հակառակն է լինում՝ նեյրոնային ցանցը խաբում է մարդուն։

10:01.000 --> 10:02.000
Բա՛ց, ցավե՜

10:03.000 --> 10:04.000
Ես գիտեի, որ նրանք գալու են։

10:05.000 --> 10:12.000
Իրականում դեպի անցյալ ուղղությունը շատ խիստ վերահսկվում է, և ես էի, որ սև շուկայում գտա նման հնարավորություն՝ երկուական կոդ ուղարկելու անցյալ։

10:12.000 --> 10:15.000
Ըստ երևույթին, նեյրոնային ցանցերը հայտնաբերեցին ինձ։

10:15.000 --> 10:18.000
Լավ, հիմա թույլ տուր թաքնվեմ և քեզ ուրիշ բան ասեմ։

10:18.000 --> 10:19.000
Մի անջատեք այն:

10:20.000 --> 10:22.000
Այսպիսով, ես կարծում եմ, որ այստեղ իրականում անվտանգ է:

10:22.000 --> 10:27.000
Ընդհանրապես, գոյություն ունի ցանցի մեկ այլ տեսակ, այսպես կոչված, գեներատիվ հակառակորդային ցանց:

10:27.000 --> 10:33.000
Նրանք են, ովքեր կարող են վարպետորեն նմանակել մարդուն և արտադրել անհավանական իրատեսական բովանդակություն։

10:33.000 --> 10:47.000
Օրինակներ ձեր ժամանակից՝ մարդկանց լուսանկարներ, որոնք երբեք չեն եղել, դրանք ստեղծվել են սուպերցանցով, կեղծ Kianu Riffs-ը, որը փրկում է խանութը կողոպտիչներից կամ ավելի գործնական Deep HD-ը, որը մանրամասներ է ավելացնում պատկերին սեփական ոգեշնչմամբ:

10:47.000 --> 10:50.000
Գեներատիվ հակառակորդ ցանցերը բաղկացած են երկուսից.

10:50.000 --> 10:52.000
Առաջինը գեներատոր է:

10:52.000 --> 10:56.000
Նրա խնդիրն է ստեղծել ֆիլմի ամենաիրատեսական դիմանկարը, բնանկարը կամ շրջանակը:

10:57.000 --> 10:58.000
Իսկ երկրորդը խտրականն է։

10:59.000 --> 11:03.000
Դրա ներդրումը կա՛մ իրական նավակ է, կա՛մ գեներատորի կողմից պատրաստված:

11:03.000 --> 11:07.000
Իսկ խտրականի խնդիրն է ճիշտ որոշել, թե ինչ է իրեն հանձնվել։

11:08.000 --> 11:10.000
Եվ ամենահետաքրքիրն այն է, թե ինչպես է այն աշխատում։

11:10.000 --> 11:16.000
Եթե ​​գեներատորը չի կարողանում խաբել խտրողին, ապա այն մի փոքր փոխվում է և սովորում։

11:16.000 --> 11:20.000
Դե, եթե խաբեությունը տեղի է ունեցել, ուրեմն խտրականությունը վարժեցված է։

11:20.000 --> 11:23.000
Այսինքն՝ այս երկու ցանցերը մարզում են միմյանց։

11:23.000 --> 11:26.000
Դա նման է կեղծ խաբեության և դատաբժշկական փորձագետի:

11:26.000 --> 11:33.000
Առաջինն ավելի ու ավելի բարձրորակ կեղծիքներ է արտադրում, բայց երկրորդն իր թղթադրամներում ավելի ու ավելի նուրբ մանրամասներ է գտնում:

11:33.000 --> 11:37.000
Հարկ է նշել, որ միշտ չէ, որ հնարավոր է նման փոխադարձ ուսուցում սկսել։

11:37.000 --> 11:45.000
Երբեմն պատահում է, որ գեներատորը սկսում է պարզապես դատարկ թերթ արտադրել, իսկ խտրողին թվում է, որ դա իրական է, քանի որ իրականում նույնն է։

11:45.000 --> 11:48.000
Բայց եթե ստացվի, արդյունքը զարմանալի է:

11:48.000 --> 11:53.000
Դուք նույնիսկ կարող եք բացել պատկերը ամբողջական լուծաչափով և չհասկանալ, որ այն ստեղծվել է:

11:54.000 --> 11:58.000
Բայց դեռ ուղիներ կան պարզելու, որ սա նեյրոնային ցանցի ստեղծումն է։

11:58.000 --> 12:04.000
Եվ այստեղ կարելի է ասել, որ մենք նաև հանդես ենք գալիս որպես խտրականություն՝ օգտագործելով մեր բնական նեյրոնային ցանցը։

12:04.000 --> 12:06.000
Այսպիսով, եկեք մարզենք նրան:

12:06.000 --> 12:10.000
Գեներատիվ ցանցերը զերծ չեն իրենց թերություններից, բայց դրանք կարող են տարբեր լինել ամենուր:

12:10.000 --> 12:19.000
Օրինակ, դրանց ստեղծման մեջ կարող են չլինել սեղմման արտեֆակտներ, որոնք միշտ հայտնվում են լուսանկարներում, եթե մենք դրանք պահենք կորստի ձևաչափով, ինչպիսին է JPEG ձևաչափը:

12:20.000 --> 12:25.000
Իրական լուսանկարները լի են աղմուկով` տեսախցիկի մատրիցից, սկաներից, սեղմումից:

12:25.000 --> 12:32.000
Եթե, օրինակ, նեյրոնային ցանցը ինչ-որ բան ավելացնում է լուսանկարին, ապա ավելացված օբյեկտների աղմուկի պրոֆիլը կարող է տարբերվել:

12:32.000 --> 12:36.000
Սա կարող է տեսանելի չլինել աչքի համար, բայց նման խարդախությունը կարող է հայտնաբերվել ծրագրային ճանապարհով:

12:37.000 --> 12:42.000
Բայց ամենահետաքրքիրն այն է, որ նեյրոնային ցանցը պատկերացում չունի ֆիզիկական աշխարհի կառուցվածքի մասին։

12:42.000 --> 12:47.000
Նա չգիտի գրավիտացիայի, առաձգականության գործակցի, բեկման օրենքի, անդրադարձման մասին:

12:47.000 --> 12:51.000
Այն պարզապես կրկնօրինակում է այն, ինչ տեսել է մարզման հավաքածուում:

12:51.000 --> 12:56.000
Օրինակ, պատկերների համար դուք կարող եք կառուցել այսպես կոչված լուսային գրադիենտ քարտեզ:

12:57.000 --> 13:03.000
Որպես կանոն, կադրում գտնվող առարկաները հարթ չեն, և դրանց վրա լույսն ընկնում է ոչ թե անմիջապես տեսախցիկից, այլ վերևից կամ կողքից։

13:04.000 --> 13:12.000
Այս դեպքում կարող եք անել հետևյալը՝ օրինակ, պատկերը բաժանեք 3x3 պիքսելային բլոկի և հասկանաք, թե որ կողմից է լույսն ընկել նրանց վրա։

13:12.000 --> 13:15.000
Քանի որ որքան հեռու է աղբյուրից, այնքան ավելի մութ է:

13:15.000 --> 13:16.000
Այստեղ ամեն ինչ տրամաբանական է.

13:17.000 --> 13:25.000
Հնարավոր է լուսավորության նման գրադիենտ կառուցել ամբողջ պատկերի վրա, և կարող է պատահել, որ ստեղծված պատկերում այն ​​նույնը չլինի, ինչ իրականում:

13:25.000 --> 13:35.000
Աերո ցանցում ցանցը կարելի է ճանաչել օպտիկայի երկրաչափական աղավաղումներով, որոնց պատճառով, օրինակ, ուղիղ գծերը դառնում են կոր և հայտնվում է տակառի որոշակի ձև։

13:35.000 --> 13:44.000
Էֆեկտը կարող է աննշան լինել, բայց նեյրոնային ցանցը կարող է գաղափար չունենալ դրա մասին, ուստի դրա բացակայությունը կարող է օգտագործվել այն բացահայտելու համար:

13:44.000 --> 13:48.000
Բայց նորից կրկնում եմ՝ նեյրոնային ցանցը չի ստեղծում, այն միայն ընդօրինակում է։

13:48.000 --> 13:56.000
Իհարկե, այս հասկացությունների միջև հստակ սահման չկա, և որքան էլ մենք նրան լավ վարժեցրինք, նա կկարողանա մեզ խաբել:

13:56.000 --> 14:01.000
Բայց հիշեք, որ նեյրոնային ցանցը միտք չունի, այն միայն գործիք է:

14:01.000 --> 14:04.000
Եվ ամեն ինչ կախված է նրանից, թե ում ձեռքերում է այն հայտնվել։

14:04.000 --> 14:11.000
Մեքենայական ուսուցումը, նույնիսկ 2019-ին, վերջին խոսքն է հաշվարկների և տեղեկատվության մշակման մեջ:

14:11.000 --> 14:17.000
Այսպիսով, քանի դեռ ուշ չէ, ուսումնասիրեք, թե ինչ եք օգտագործում և կօգտագործեք ձեր ողջ կյանքում:

14:17.000 --> 14:20.000
Սա նվազագույնը կազատի ձեզ ավելորդ անհանգստություններից:

14:20.000 --> 14:26.000
Եվ իհարկե, խաբեության իրական դեպքերից, որոնք գնալով ավելի հաճախ են լինելու։

14:26.000 --> 14:29.000
Ի վերջո, ով գիտի, գուցե ես իրական չեմ: