Strona główna Offtopic Uczenie maszynowe a eksperymenty Google

Uczenie maszynowe a eksperymenty Google

 Przeczytasz w: 7 min.
0
2
uczenie maszynowe

W ostatnim kwartale 2016 roku, Google wystartowało z projektem A.I. Experiments. Google pozwala na eksperymentowanie w trybie rzeczywistym z wieloma zróżnicowanymi projektami, których podstawę stanowi uczenie maszynowe.

Czym jest uczenie maszynowe?

Upraszczając definicję i pojęcie do maksimum: uczenie maszynowe to proces samodoskonalenia się programów, wynikający z doświadczeń.

Przenosząc to na świat Google’a, dostępne dla każdego użytkownika internetu eksperymenty bazujące na standardzie uczenia maszynowego, są wąskimi w zakresie działań programami, z którymi możemy – jak głosi sama nazwa projektu – eksperymentować.

W eksperymentach Google’a, które powstały NIE TYLKO z jego rąk, wykorzystano różne technologie, o których więcej można przeczytać tutaj: https://aiexperiments.withgoogle.com/about

 

Rodzaje eksperymentów

Do najpopularniejszych eksperymentów, które sygnowane są marką Google Creative Lab, z pewnością należą doświadczenia związane z rozpoznawaniem obiektów, wyróżnić tutaj należy AutoDraw oraz Quick, Draw!

Oba cechują się szybkim rozpoznawaniem rysunków, które tworzymy – zarówno przy wykorzystaniu myszki, touchpada jak i ekranu dotykowego. Quick, Draw! wita nas takim intro:

Quick Draw

Wystarczy kliknąć w żółty button, aby przejść do zabawy, a ta jest naprawdę wciągająca. Uczenie maszynowe sprawia, że naprawdę trudno „zagiąć” program, z którym mamy do czynienia. Eksperyment polega na rysowaniu przedmiotów, obiektów czy zwierząt, których nazwy pojawiają się na ekranie. Od momentu pociągnięcia pierwszej kreski, automatyczny lektor zgaduje, co chcemy przedstawić. Zwykle trafia w punkt po kilku sekundach.

spodek

narysowany spodek

Po przejściu kilku etapów, możemy sprawdzić jak nam poszło w porównaniu z innymi rysunkami, stworzonymi przez miliony osób. Google udostępnia również możliwość podejrzenia ponad 50 milionów stworzonych obrazków, cały content dostępny jest tutaj: https://quickdraw.withgoogle.com/data

Dla przykładu, tak wygląda kalendarz:

kalendarz - uczenie maszynowe

Uczenie maszynowe w przypadku rysunków wydaje się być naprawdę szybkie. Skoro 100 osób rysuje coś w podobny sposób, to muszą mieć rację, prawda? Sieci neuronowe wykorzystywane w tym procesie wymagają skumulowania wielu podobnych przykładów, aby stworzyć „definicję” dowolnego obiektu. Co więcej, jeżeli większość z nas rysuje kalendarz zaczynając na przykład od lewego dolnego wierzchołka, kierując linię w górę a następnie w prawo, program może rozpoznać nasz kalendarz już po tych dwóch ruchach. Zwykle jednak wymagane jest stworzenie przynajmniej jednego charakterystycznego elementu. W przypadku kalendarza będą to dwie pionowe bądź poziome linie blisko siebie. Cechą wspólną dla wszystkich kalendarzy z pewnością jest kształt zbliżony do kwadratu.

Uczenie maszynowe wykorzystuje również AutoDraw.

AutoDraw

 

Program pomaga nam w tworzeniu rysunków. Nawet jeżeli uważamy się za wybitne niezdary w dziedzinie rysunku, uczenie maszynowe rozwiązuje nasz problem. Wystarczy stworzyć coś zbliżonego do koncepcji, aby AutoDraw zaproponował nam obiekt, który mamy na myśli, poniżej przykład rysowania samochodu:

rysowanie samochodu w AutoDraw
Wystarczy stworzyć coś takiego, aby program zaproponował nam gotowe rysunki auta. Jak widać, wciąż nie jest jeszcze pewny, czy może jednak nie chodzi nam o deskorolkę. W przypadku mojego samochodu, dopiero linia oznaczająca przednią szybę stanowiła o przewadze podpowiedzi pod postacią standardowych rysunków samochodów.

 

Podobnie jak w przypadku Quick, Draw!, tak i tutaj mamy do czynienia z pewną powtarzalnością oraz mechanicznością. Setki podobnych obrazków pozwalają programowi rozpoznać nasze dzieło i zaklasyfikować go do wzorca, który przygotowany został na początku.

 

Uczenie maszynowe a eksperymenty muzyczne

Do innych, ciekawych eksperymentów, zaliczyć można projekty o charakterze muzycznym. W ich przypadku mamy do czynienia z możliwością tworzenia linii melodycznych w bardzo prosty sposób. The Infinite Drum Machine pozwala na wymieszanie 4 dźwięków z naszego codziennego otoczenia i zmiksowaniu ich w układzie 16 akordów (razem mamy zatem możliwość odtworzenia mieszanki z 64 dźwięków, która niestety w tej kombinacji przyprawi nas tylko o ból uszu). Zgrabne połączenie dźwięków z tysięcy dostępnych w projekcie, pozwala na stworzenie prostego sampla czy jingla. Zapytać można – „ale gdzie tutaj uczenie maszynowe?”.

W przypadku The Infinite Drum Machine, uczenie maszynowe polegało na połączenie z pozoru zróżnicowanych dźwięków w obszary tematyczne. I tak, program łączy „warczenie” lwa z przełącznikiem światła. Naturalnie, pierwsza myśl może być tak, że dźwięki nie są wcale podobne, jednakże ich dokładna analiza przy użyciu technologii t-SNE (t-Distributed Stochastic Neighbor Embedding) pozwala stwierdzić, że są bliższe niż może się wydawać.

the infinite drum machine

 

Program pozwala także na przeszukiwanie dźwięków po tagach:

the infinite drum machine - tagi

 

Innym ciekawym eksperymentem wykorzystującym uczenie maszynowe jest NSnyth: Sound Maker.

NSynth Sound Maker

 

NSnyth umożliwia zagranie melodii przy wykorzystaniu mieszanki dwóch instrumentów. Co ciekawe – nie jest to mieszanka stricte fifty-fity – do „ogrania” mamy skalę, którą możemy ustawić według własnego upodobania.

NSynth flet i gitara

 

NSynth wykorzystuje aż 300 tysięcy dźwięków z dziesiątek instrumentów, dlatego możliwe jest stworzenie naprawdę niezwykłych melodii. Szczegóły działania przedstawione zostały tutaj: https://aiexperiments.withgoogle.com/sound-maker/view.

Zastosowanie organizowania dźwięków w grupy podobnych do siebie, zastosowano również w eksperymencie Bird Sounds, który pozwala na płynne „przechodzenie” po odgłosach wydawanych przez ptaki z całego świata.

Bird Sounds

 

Szybkie przeskakiwanie po dźwiękach brzmi dość psychodelicznie, jednakże należy docenić ogromny wkład twórców.

Bird Sounds - analiza

 

Organizacja przede wszystkim

Pojęcie dokładnej organizacji i zachowania porządku jest bliskie uczeniu maszynowemu. Na przykład w Font Map można zobaczyć kosmetyczne różnice pomiędzy 750 fontami, dostępnymi w usłudze Google Fonts. Program przygotował mapę fontów, które są do siebie zbliżone, dzięki czemu po oddaleniu możemy zobaczyć wyraźnie odznaczające się grupy.

Fontmap

 

Interesujący zarys grupowania danych pod postacią danych graficznych, przedstawiony został w tym filmiku.

Bardzo dziwny eksperyment, chociaż niezwiązany z uczeniem maszynowym, pozwala na symulację przeróżnych dźwięków, które teoretycznie jesteśmy w stanie samodzielnie wyartykułować – jego nazwa to Pink Trombone. Postanowiłem włączyć go do listy, gdyż zawiera pokrewne składowe z innymi eksperymentami, mianowicie płynną symulację oraz uporządkowane dane.

Pink Trombone

Pink Trombone pozwala nie tylko na tworzenie symulacji, ale również „miksowanie” tego, co wyjdzie z naszych ust, niezależnie od tego czy jest to mowa czy bliżej nieokreślona onomatopeja, program umożliwi przerobienie dźwięku na różne sposoby, przykładowy efekt dostępny jest tutaj.

 

Eksperymenty z wykorzystaniem uczenia maszynowego nie ominęły również kultury i sztuki. Google przygotowało eksperyment, który na zasadzie przyporządkowywania tagów, zwraca użytkownikowi właściwie danemu tagowi wyniki.

Google art experiments

 

słowa kluczowe a uczenie maszynowe

antique

 

Niezwykle interesującym przykładem uczenia maszynowego jest eksperyment X Degrees of Separation. Pozwala na przedstawienie „drogi” pomiędzy dwoma dziełami sztuki. Powiązania te wynikają z rozpoznawania charakterystycznych wizualnych elementów danego tworu. Jest to nawiązanie do popularnej hipotezy jakoby wystarczającą ilością kontaktów łączących dwie dowolne osoby na świecie, było 6 stopni oddalenia.

X deegres of separation

 

Eksperymenty Google przeniesione zostały również na Androida. System operacyjny posiada dedykowane programy, które również wykorzystują uczenie maszynowe. Jednym z ciekawszych jest Jacob’s Ladder.

Program jest tapetą na ekran smartfona, która wykazuje się unikalnymi właściwości. W jej skład wchodzą kolorowe sześciany, które według pewnych wytycznych układają się za każdym razem w inny sposób. Jedyne co zostało im narzucone to możliwe drogi kierunku, zaś sam efekt końcowy, a właściwie przejściowy – gdyż cały czas widzimy postęp w „podróży” sześcianów – jest zawsze inny. Funkcjonalność programu doskonale przedstawiona została na tym filmiku.

Jacob's Ladder - eksperyment uczenia maszynowego od Google

 


Podsumowanie

Uczenie maszynowe, którego próbkę daje nam Google, to bardzo szybko rozwijająca się gałąź nauki; niewątpliwe w najbliższych dekadach będzie ułatwiać nam życie, a specjalistom od nowych technologii, wdrożenie innowacji. W uczeniu maszynowym jest spore pole do popisu dla agencji marketingowych, zwłaszcza tych największych, których budżet na działanie promocyjne jest właściwie nieograniczony. Uczenie maszynowe idzie w parze na przykład z ekranami dotykowymi, które nie tylko rozpoznają gesty, ale w połączeniu z machine learning mogą przewidywać nasze zachowanie.

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *

Załaduj więcej z działu Offtopic

Polecam

Reklamy na czole i inne mniej znane formy marketingu

Ile musieliby wam zapłacić abyście pozwolili wykorzystać własne czoło jako formę poruszają…