Tandetne linie podbicia są jak kalambury: zwykle wywołują jęki lub przewracanie oczami, ale ludzie nadal nie mogą się oprzeć wymyślaniu nowych. Może więc wydawać się nieuniknione, że w wielu trwających eksperymentach ze sztuczną inteligencją ktoś stworzył program komputerowy, który tworzy linie przetworników.
powiązana zawartość
- Ten komputerowy algorytm przekształca filmy w zapierające dech w piersiach dzieła sztuki
- Jak komputery nauczyły się grać w Nintendo
- Sztuczna skóra może pomóc użytkownikom protez poczuć się naprawdę
Wyniki, raporty Rob LeFebvre dla Engadget, są urocze.
Naukowiec Janelle Shane nauczył swoją sieć neuronową za pomocą linii odbiorczych, które zeskrobała z Internetu. „Zebranie zestawu danych było o wiele bardziej bolesne, niż się spodziewałem” - pisze na swoim blogu. „Tak naprawdę nie czytałem wielu z nich, a większość z nich była obsceniczna, agresywna lub obraźliwa”.
Na szczęście sieć pozostała dość uprzejma. Ona pisze:
[A] chociaż sieć neuronowa wymyśliła podstawowe formy: „Musisz być… ponieważ…” lub „Hej, kochanie, chcę…” nigdy nie nauczyła się generować najgorszych linii - większość z nich opierała się na grze słownej, której nie zrobiła ” mam szansę na reprodukcję.
Sieć Shane'a do przechwytywania linii oparta jest na otwartym programie GitHub o nazwie char-rnn. Jej sieć i inne podobne to modele obliczeniowe naśladujące sposób działania mózgu. To sprawia, że sieć zachowuje się zupełnie inaczej niż konwencjonalny komputer.
We wszystkim, od laptopów po smartfony, centralny procesor komputera odbiera polecenia od użytkownika, znajduje niezbędne instrukcje w pamięci, dekoduje instrukcje, wykonuje akcję i przechowuje wyniki w pamięci. Wszystkie te kroki odbywają się w kolejności, a każdy etap zależy od tego, co nastąpi wcześniej.
Nie dotyczy to sieci neuronowej (a ściślej sztucznej sieci neuronowej). Systemy te składają się z szeregu połączonych „węzłów”, z których każdy może wykonać prosty krok przetwarzania. Wiele połączeń pozwala każdemu węzłu reagować na kombinację danych wejściowych z innych węzłów. Nie ma oddzielnej pamięci. Wiedza jest przechowywana w ogólnym stanie samej sieci. Rezultatem jest sieć, w której suma jest większa niż części.
Ludzie korzystający z sieci neuronowych mogą szkolić system, dostarczając mu dużo danych. Sieć następnie „uczy się” wzorców i ostatecznie może wygenerować własny wynik.
Po nakarmieniu swojej sieci całym urokiem, jaki Internet może zaoferować, Shane pozwolił sobie na to. Rezultaty „różniły się od niezrozumiałych, surrealistycznych, po urocze” - pisze.
Jest kreatywna: „Mam kadzielnicę? Bo właśnie spierobieram twoje robaki”. (Hej, angielski jest trudny.) Próbuje się sera: „Czy jesteś świecą? Ponieważ tak bardzo ci się podoba”. Proste: „Gdybym cię zaprosił?” I słodki: „Jesteś tak piękna, że sprawiasz, że lepiej cię widzieć”.
Można sobie wyobrazić niezręcznie słodkiego robota wypowiadającego te linie do zdezorientowanego barowego patrona. Artysta Shobana „Bob” Appavu zrobił z kilkoma ilustracjami.
Shane wyszkolił tę samą platformę sieciową do sugerowania przepisów, Pokemonów (które zostały zilustrowane przez innego artystę), nazw superbohaterów i irlandzkich tytułów melodycznych.
W każdym przypadku wczesne iteracje są zwykle błędami. „W tych niepowodzeniach podoba mi się to, że są oknem na wewnętrzną strukturę rzeczy, w taki sam sposób, w jaki iluzje optyczne dają nam wskazówki na temat działania naszych systemów wizualnych”, mówi Shane, David Covucci z The Daily Dot, mówiąc o jej sieci neuronowej piszącej przepisy.
Sztuczne sieci neuronowe mogą zrobić coś więcej niż zachwycić nas absurdem lub pisać przerażające piosenki świąteczne. Wyrafinowane wersje pomogły sparaliżowanym małpom chodzić i pozwoliły odczuć osoby noszące protezy kończyn.
Niektóre linie pickupa mogą być nawet warte zastrzelenia w prawdziwym życiu. Spróbuj „Wyglądasz jak rzecz, a ja cię kocham” lub prawie niezawodne „Cześć”.
