Neurale netwerken lezen lippen, tekenen schetsen en verslaan professionele go-spelers. En, belangrijker nog, ze weten hoe ze moeten leren. De vijf meest onverwachte vorderingen in kunstmatige intelligentie.
Muis tong
In 2017 merkten Oostenrijkse zoölogen, die het gedrag van huismuizen (Mus musculus) bestudeerden, op dat knaagdieren hun stem veranderen afhankelijk van met welke familieleden ze communiceren - een mannetje of een vrouwtje. Spectrografische analyse van de "spraak" van veertig proefdieren toonde aan dat muizen overschakelen naar geluiden met een hogere frequentie bij het zien van een persoon van het andere geslacht.
Met behulp van deze functie besloten onderzoekers uit Rusland, Nederland en Duitsland neurale netwerken te trainen om het geslacht van muizen te herkennen aan de geluiden die ze maken, en ook om te bepalen aan wie de boodschap is gericht: mannelijk of vrouwelijk.
De dieren werden in paren verdeeld, elk met één knaagdier onder algemene verdoving, en de tweede vrij rond de kooi. Het piepen van een muis werd opgenomen en verwerkt met behulp van neurale netwerken, die aan de hand van de hoogte, amplitude en duur van het geluid leerden door wie het werd uitgegeven en voor wie het bedoeld was.
Na training bepaalden neurale netwerken in 84 procent van de gevallen het geslacht van muizen die geluiden maakten en hun ontvangers. De auteurs van het werk merken echter op dat het algoritme waarschijnlijk niet zal werken met dieren van andere lijnen (de studie betrof knaagdieren van de C57BL / 6NCr-lijn). De muizen hebben waarschijnlijk verschillende "dialecten" en het piepen zal verschillende spectrale kenmerken hebben.
Promotie video:
Neurale netwerkgrafologen
Russische onderzoekers hebben neurale netwerken geleerd om het geslacht van een persoon met de hand te herkennen. Het programma, dat gezamenlijk werd ontwikkeld door MEPhI, Kurchatov Institute en Voronezh State University, bepaalde in 80 procent van de gevallen correct wie de tekst schreef: een man of een vrouw. Wetenschappers hebben ultraprecieze neurale netwerken en deep learning-methoden toegepast.
Volgens een van de auteurs van het werk, universitair hoofddocent bij NRNU MEPhI Alexander Sboev, werden zulke hoge resultaten behaald dankzij geavanceerde neurale netwerkmodellen en het feit dat de schrijver zijn geslacht niet verborgen hield. Nu wordt het probleem van het bepalen van het geslacht opgelost in een situatie waarin iemand zich voordoet als een ander: een vrouw schrijft bijvoorbeeld een tekst namens een man. Binnenkort wordt kunstmatige intelligentie aangeleerd om de leeftijd van de auteur van een geschreven tekst te bepalen.
Lasagne verandert in sushi
Japanse en Franse experts hebben een programma gemaakt dat beroemde gerechten aanpast aan de culinaire tradities van verschillende landen. Laten we zeggen dat het lasagne verandert in sushi-lasagne en Japanse sukiyakisoep maakt in Franse stijl. Dat wil zeggen, het programma creëert een recept waarin calvados wordt aangegeven in plaats van mirin (rijstwijn) en groene uien worden vervangen door dragon.
Kunstmatige intelligentie werkt in twee fasen. Ten eerste, na analyse van de ingrediënten waaruit een bepaald gerecht bestaat, komt hij erachter tot welke nationale keuken het behoort. Vervolgens bepaalt hij welke ingrediënten en wat vervangen moeten worden, zodat het eten de kenmerken krijgt van een andere culinaire traditie. Hiervoor wordt het vectormodel word2vec gebruikt, dat de overeenkomst tussen de ingrediënten instelt. Dus bij het aanpassen van Japanse gerechten aan de Franse keuken, stelt het programma voor om een mengsel van aromatische kruiden te nemen in plaats van sojasaus.
Het neurale netwerk begrijpt nog niet hoe goed de nieuwe ingrediënten met elkaar combineren en houdt geen rekening met de bereidingswijze. Ze beloven het af te ronden.
In een nieuwe hoedanigheid
Neurale netwerken zijn goed in het herstellen van de helderheid en kleur van oude tekenfilms en films, en passen ze aan op moderne schermen met hoge resolutie. In september presenteerden twee grote bedrijven - Disney en Yandex - vergelijkbare algoritmen.
Disney Research heeft een programma ontwikkeld waarmee je video's realistischer kunt inkleuren door aangrenzende frames beter op elkaar af te stemmen. De neurale netwerken van Russische specialisten (DeepHD-technologie) zijn in staat de resolutie te verhogen zonder aan scherpte en kwaliteit in te boeten.
Het algoritme is getest op oude Sovjet-cartoons. Op Yandex kun je in verbeterde kwaliteit "The Golden Antelope", "The Snow Queen", "The Bremen Town Musicians" en andere bekende films van "Soyuzmultfilm" bekijken. Zoals de persdienst van het bedrijf opmerkt, is het verschil vooral voor veeleisende kijkers merkbaar: het beeld is scherper geworden, fijne details zoals bladeren aan bomen, sneeuwvlokken, sterren aan de nachtelijke hemel zijn beter zichtbaar.
Op zoek naar broers in gedachten
Onderzoekers van de University of California in Berkeley (VS) gebruiken neurale netwerken om buitenaardse wezens te zoeken, nemen deel aan de SETI-samenwerking, een project om naar buitenaardse beschavingen te zoeken en mogelijk met hen in contact te komen. Om dit te doen, hebben wetenschappers een neuraal netwerk gecreëerd dat laagfrequente signalen van kunstmatige oorsprong onafhankelijk kan identificeren en registreren.
Onderzoekers zijn van mening dat een geavanceerde buitenaardse beschaving zeker moet proberen om met ons in contact te komen. Het grootste probleem is om elektromagnetische signalen van de aarde die zich al over grote afstanden in alle richtingen hebben verspreid, te scheiden van signalen die waarschijnlijk afkomstig zijn van een ander sterrenstelsel of sterrenstelsel. Tot dusverre heeft een persoon geen buitenaardse signalen kunnen onderscheiden die naar onze planeet zijn gericht.
Nu doet het neurale netwerk dit. Kunstmatige intelligentie heeft al 72 signalen gedetecteerd, waarvan de bronnen mogelijk hemellichamen zijn op drie miljard lichtjaar van de aarde. De eerste opgenomen radio-bursts werden opgenomen in het object FRB 121102. Zoals de auteurs van het werknotitie, zelfs als het programma geen sporen van buitenaardse beschavingen vindt, zal het helpen om veel over het heelal te leren.
Alfiya Enikeeva
