Нейросети умеют сочинять дэт-металл и придумывать жуков. Хотя впервые о возможности создать их заговорили в 1943 году, алгоритм был разработан лишь в 2007-м. Сейчас же происходит бум нейронных сетей. «Лента.ру» при поддержке glo™ рассказывает о самых интересных примерах того, чему научился искусственный интеллект.
В Краснодарском крае началось всеобщее косоглазие, а в Минске пошел дождь из яичных желтков. Это выдержки из нейроновостей телеграм-канала Neural Shit. Администратор, скрывающийся под именем Красный Дошик, регулярно публикует результаты своих экспериментов с нейронными сетями. Среди них попадаются лайфхаки для кухни и сгенерированные нейросетью узоры на коврах.
Как это работает
Красный Дошик дает лаконичное определение нейросетям — это попытка «закосплеить» (спародировать) человеческий мозг с помощью математической модели. Компьютерные нейронные сети похожи на биологические способностью обучаться — тем, чего лишены обычные, пусть и сложные, компьютерные программы. По структуре нейросеть имитирует нервную систему человека: она состоит из огромного числа отдельных элементов – «нейронов», которые отвечают за вычисления. Каждый такой «нейрон» относится к определенному слою сети, так что, когда нейросеть обрабатывает полученные данные, те последовательно проходят обработку на всех слоях.
Простой пример. Нужно, чтобы нейронная сеть определяла, на какой из картинок изображен кот. Для начала необходимо обучить нейронную сеть на фотографиях с котами. Разработчик берет большое количество фото (чем больше, тем лучше) и проводит обучение, заставляя нейронку (обиходное название нейронной сети) выделять определенные паттерны внешнего вида котов.
Фото: Depositphotos
Картинка разбивается на маленькие участки, вплоть до нескольких пикселей. Проще говоря, если от нейронки требуется распознать фотографию кошки, она разобьет фото на маленькие кусочки и будет сравнивать их с тысячами (или даже миллионами) уже имеющихся изображений кошек, признаки которых изучила сеть.
Сложно представить, как должна быть устроена обычная программа, которая могла бы отличить кошку от, например, собаки. Каким свойствам животных какие числовые значения назначить? Как вообще определить, чем внешне отличается кошка от собаки?
В зависимости от задачи и типа контента, с которым работает нейросеть (текст, видео, аудио), механика обучения и генерации может отличаться, но все же обучение — часть процесса, которую нельзя избежать.
Нейроновости создаются на основании дата-сета (набор данных) с обычными новостями. Нейронка, создающая новости для канала Красного Дошика, была обучена на 700 тысячах новостных заголовков «Ленты.ру».
Ниже еще несколько примеров того, что умеют нейросети.
Гороскоп от Пелевина
Еще один канал в телеграме с контентом, сгенерированным нейросетями, — «Нейрогороскопы». В описании указано, что все предсказания пишет нейросеть, обученная на текстах Владимира Сорокина и Виктора Пелевина.
Виктор Пелевин
Фото: Николай Игнатьев / Legion-media.ru
Получаются предсказания такого рода: «Близнецы. Гороскоп советует вам не уходить далеко от дома, потому что сегодня на вас будут набрасываться яркие и вонючие солнечные лучи, освещающие комнату. Во второй половине дня можно увидеть перевернутый камень, ящерицу в короне и солнце на груше ветки».
Искусственный музыкант
На ютуб-канале Dadabots с сентября транслируется дэт-метал, который в прямом эфире генерирует искусственный интеллект.
Фото: Michael Hanschke / Reuters
Создатели алгоритма — разработчики и музыканты Си Джей Карр и Зак Зуковски. Нейросеть изучает элементы и их последовательности в песнях и воспроизводит их.
В работе этой нейросети есть поле для развития. Например, пока что она не генерирует тексты, вместо слов — звуковой хаос. Однако звучит очень убедительно, особенно для слушателей, плохо знакомых с дэт-металлом.
Карр и Зуковски с помощью ИИ хотят вытеснить людей из тяжелой музыки. Зачем — хороший вопрос. Наверное, затем, что могут.
Робо-фильм
Автор блога Towards Data Science Влад Алекс «снял» двухминутный фильм, используя нейросети. Они сгенерировали сценарий и внешность актеров, озвучили реплики и написали музыку. Алекс же смонтировал полученные материалы.
Empty Room (2020) from Merzmensch on Vimeo.
Для генерации лиц актеров Алекс использовал нейросеть Art Breeder, а вот озвучивала эти изображения нейросеть сервиса Replica Studios. Саундтреки для кинокартины Алекс взял из дискографии ИИ JukeBox — с ее помощью была подобрана композиция в стиле Моцарта.
Не свое лицо
Один из интересных примеров использования нейросетей — это дипфейк. Технология представляет собой синтез изображений с помощью искусственного интеллекта. Благодаря дипфейку можно заменить лицо на видео любым другим лицом.
Технологией воспользовался бренд glo™ в новой рекламной кампании. В ролике glo™ лица девушек из клипа Benny Benassi «Satisfaction» заменили на лицо Саши Петрова. Затем актера затягивает в очень странный мир, где... люди танцуют и пилят фрукты. Как они это делают — отдельный разговор. Много ли вы помните российской рекламы с отсылками к киберпанку в целом и «Бегущему по лезвию» в частности?
Рекламный ролик вышел в поддержку glo™ HYPER. Это новое устройство с технологией индукционного нагревания табака от бренда glo™. Без горения, без пепла, меньше запаха*. glo™ HYPER обеспечивает до 20 сессий без подзарядки. Кнопка Boost — для еще более насыщенного вкуса**. Заряжается быстрее: всего за 120 минут до 100 процентов. glo™ HYPER: новый формат, новый уровень насыщения.
* Нагревание табака без горения. По сравнению с курением обычных сигарет. Это необязательно означает, что данный продукт менее вреден, чем другая продукция из табака.
**По сравнению с классической версией устройства glo™
Boost – Буст
HYPER – Хайпер
&more — и далее
Информация предоставлена БАТ Россия. На правах рекламы. 18+
Информация о продавце: ООО «СНС Экспресс» ИНН 5032212790, ОГРН 1155032008746. Юр. адрес: 143002, МO, Одинцовский р-н, г. Одинцово, ул. Западная, д. 13, эт. 4, офис 416
