Шесть исследователей из недавно сформированной в Apple группы машинного обучения опубликовали документ, который описывает новый метод моделируемого неконтролируемого обучения. Эта работа свидетельствует о стремления компании выделиться в таком важном секторе исследований, каким является ИИ.
Google, Facebook, Microsoft и другие технологические компании постоянно расширяют штат занимающихся машинным обучением исследовательских групп.
В последнее время синтезируемые изображения и видео часто используются для машинного обучения. Для создания реальных изображений требуется больше времени и стоят они дороже, чем синтезируемые, которые обходятся дешевле, они более доступные и настраиваемые.
Эта технология обладает большим потенциалом, но ее использование рискованно, потому что небольшие дефекты в синтезированных изображениях могут привести к серьезным негативным последствиям для конечного продукта. Иными словами, для генерируемых изображений трудно обеспечить соответствие стандартам качества реальных образов.
Чтобы повысить качество этих синтезируемых изображений компания Apple предлагает использовать технологию Generative Adversarial Networks или GANs.
GANs работает, используя противоборство между конкурирующими нейронными сетями. В случае Apple программа моделирования генерирует синтезированные образы, которые проходят через рафинер для очистки. Эти очищенные изображения затем отправляются на дискриминатор, который призван отличить реальные образы от синтезированных.
С точки зрения теории игр, две сети соревнуются в игре Минимакс. Цель в этой игре заключается в минимизации максимально возможных потерь.
Идея здесь заключается в том, что слишком много изменений может уничтожить ценность неконтролируемого обучения. Если деревья будут не похожи на деревья, пропадает смысл в работе искусственного интеллекта, который призван помочь системе автономного вождения распознавать деревья.
Комментарии
(1) Добавить комментарий