Aa Aa Aa
Aa Aa Aa
Прочитати вголос
Зупинити читання

Вміє малювати, не годен жартувати — головне про AI від Google

Vmije maljuvaty, ne goden žartuvaty — golovne pro AI vid Google

Журналістка Рейчл Метц розпитує у представника проекту Google Magenta про те, як розвивається штучний інтелект у компанії — та чому жодна з форм штучного інтелекту досі не може скласти до пуття нормального жарту та розпізнавати сарказм, гумор чи іронію, але може упоратися із творчими завданнями
Žurnalistka Rejčl Metc rozpytuje u predstavnyka proektu Google Magenta pro te, jak rozvyvajeťsja štučnyj intelekt u kompaniї — ta čomu žodna z form štučnogo intelektu dosi ne može sklasty do puttja normaľnogo žartu ta rozpiznavaty sarkazm, gumor čy ironiju, ale može uporatysja iz tvorčymy zavdannjamy
Čytaty latynkoju

Спеціальні можливості

Прочитати вголос
Зупинити читання
Контрастна версія
  Дуґлас Ек (Douglas Eck) працює у проекті Google Magenta. Серед основних завдань цього проекту — навчити штучний інтелект (AI) створювати музику та взагалі займатися творчістю. Ек 15 років вивчає можливості технологій та музики — а тепер вчить системи машинного навчання творчості. Чи може нейромережа стати вправним композитором — і чому комп’ютерам досі не вдаються людські жарти? В чому унікальність підходу Google до творчості із використанням AI. За словами Ека, команда проекту вивчає вузьке спрямування можливостей штучного інтелекту — так можна краще вивчити все, на що здатна нейромережа та потенціал машинного навчання. Крім того, розробники, ентузіасти та представники креативної індустрії краще працюють саме із творчими проектами. Чому Magenta зосереджена на музиці. Ек визнає, що тут зіграла роль його давня пристрасть до музики та аудіоконтенту та технологій, що пов’язані із ними. Відтак тепер він вивчає цю сферу із використанням AI. Проте наголошує, що напрацювання в рамках проекту можна буде масштабувати й на інші види та форми творчості, до яких долучатимуть штучний інтелект. Як звучить результат творчості AI Magenta?. Вище представлено фрагмент музичної творчості від моделі під назвою Performance RNN. Дослідник радить звернути увагу не лише на текстуру композиції, а й на те, що алгоритм по суті імпровізує та створює ноти різної тональності, тривалості та навіть різні комбінації переходів між акордами. Програма вчиться на досвіді попередніх творів та на записаних раніше виступах піаністів чи власних імпровізаціях. Коли програми навчаться не імпровізувати, а писати музику. Поки що команда дослідників компанії Google працює над тим, аби навчити нейромережу не просто імпровізаціям, а й створенню шаблонів та моделей написання контенту. Хочуть вони й навчити програму самостійному музикуванню. Проте вже зараз програма здатна підбирати акорди та вибудовувати малюнок музичної композиції на основі попередньо закладених параметрів. Проект Sketch-RNN — чи здатен робот опанувати малювання із використанням нейромережі Крім музики, науковці також намагаються використати нейромережу для малювання. Для цього використовують низку малюнків та скетчів, створених людьми у сервісі Pictionary та результати взаємодії людини й машини у додатку Quick, Draw! Однак у цьому експерименті є свої обмеження. Зокрема, тривалість малюнку на відео — лише 20 сек. Нейромережу довелося спочатку навчити клонуванню цих коротких відео, а потім — склеюванню великих малюнків із малих. Нейромережа фактично вивчала не окремі мазки пензлем чи стилусом, а одразу готові форми (наприклад, готові варіації зображення котів без наявного зразка для змальовування). Жарти — поки що непідкорена вершина. Науковець визнає, що поки що штучному інтелектові не надо успішно вдається сформулювати жарти. Ефект несподіванки та особливості побудови лінії жартів — це те, чого поки що не вдається навчити алгоритм машинного навчання. Адже окрім семантичних тонкощів тут також закладено іронію та вміння маніпулювати вхідними даними в залежності від очікуваного ефекту для того, на кого спрямовано цей жарт. Машини пробують жартувати, обігруючи лексичні чи фонетичні каламбури — але це поки що максимум, на який вони здатні. Що далі?. Музика — лише перша сходинка для розуміння того, як працює структура творчості та навчання не лише для машин, але й для людей також. Науковцям, що вчать AI музикуванню, малюванню чи мистецтву стенд-апів, належить з’ясувати, наскільки машина здатна вчитися не від конкретного митця, чий досвід вона вивчає, але й від аудиторії також. Параметри фідбеку та прогнозування — наступний етап, який слід вивчити та запровадити у системи штучного інтелекту. Раніше ми розповідали вам про те, як штучний інтелект може змінити наше користування Facebook вже у найближчому майбутньому.

Дуґлас Ек (Douglas Eck) працює у проекті Google Magenta. Серед основних завдань цього проекту — навчити штучний інтелект (AI) створювати музику та взагалі займатися творчістю. Ек 15 років вивчає можливості технологій та музики — а тепер «вчить» системи машинного навчання творчості. Чи може нейромережа стати вправним композитором — і чому комп’ютерам досі не вдаються людські жарти?

В чому унікальність підходу Google до творчості із використанням AI

За словами Ека, команда проекту вивчає вузьке спрямування можливостей штучного інтелекту — так можна краще вивчити все, на що здатна нейромережа та потенціал машинного навчання. Крім того, розробники, ентузіасти та представники креативної індустрії краще працюють саме із творчими проектами.

Чому Magenta зосереджена на музиці

Ек визнає, що тут зіграла роль його давня пристрасть до музики та аудіоконтенту та технологій, що пов’язані із ними. Відтак тепер він вивчає цю сферу із використанням AI. Проте наголошує, що напрацювання в рамках проекту можна буде масштабувати й на інші види та форми творчості, до яких долучатимуть штучний інтелект.

Як звучить результат творчості AI Magenta?

Вище представлено фрагмент музичної творчості від моделі під назвою Performance RNN.

Дослідник радить звернути увагу не лише на текстуру композиції, а й на те, що алгоритм по суті імпровізує та створює ноти різної тональності, тривалості та навіть різні комбінації переходів між акордами. Програма вчиться на досвіді попередніх творів та на записаних раніше виступах піаністів чи власних імпровізаціях.

Коли програми навчаться не імпровізувати, а писати музику

Поки що команда дослідників компанії Google працює над тим, аби навчити нейромережу не просто імпровізаціям, а й створенню шаблонів та моделей написання контенту. Хочуть вони й навчити програму самостійному музикуванню. Проте вже зараз програма здатна підбирати акорди та вибудовувати «малюнок» музичної композиції на основі попередньо закладених параметрів.

Проект Sketch-RNN — чи здатен робот опанувати малювання із використанням нейромережі

Крім музики, науковці також намагаються використати нейромережу для малювання. Для цього використовують низку малюнків та скетчів, створених людьми у сервісі Pictionary та результати взаємодії людини й машини у додатку Quick, Draw!

Читайте також: Український сервіс покращує фото через нейромережу

Однак у цьому експерименті є свої обмеження. Зокрема, тривалість малюнку на відео — лише 20 сек. Нейромережу довелося спочатку навчити «клонуванню» цих коротких відео, а потім — «склеюванню» великих малюнків із малих. Нейромережа фактично «вивчала» не окремі мазки пензлем чи стилусом, а одразу готові форми (наприклад, готові варіації зображення котів без наявного зразка для «змальовування»).

Жарти — поки що непідкорена вершина

Науковець визнає, що поки що штучному інтелектові не надо успішно вдається сформулювати жарти. Ефект несподіванки та особливості побудови лінії жартів — це те, чого поки що не вдається навчити алгоритм машинного навчання. Адже окрім семантичних тонкощів тут також закладено іронію та вміння маніпулювати вхідними даними в залежності від очікуваного ефекту для того, на кого спрямовано цей жарт. Машини пробують жартувати, обігруючи лексичні чи фонетичні каламбури — але це поки що максимум, на який вони здатні.

Що далі?

Музика — лише перша сходинка для розуміння того, як працює структура творчості та навчання не лише для машин, але й для людей також. Науковцям, що «вчать» AI музикуванню, малюванню чи мистецтву стенд-апів, належить з’ясувати, наскільки машина здатна вчитися не від конкретного митця, чий досвід вона вивчає, але й від аудиторії також. Параметри фідбеку та прогнозування — наступний етап, який слід вивчити та запровадити у системи штучного інтелекту.

Раніше ми розповідали вам про те, як штучний інтелект може змінити наше користування Facebook вже у найближчому майбутньому.

Джерело: MIT Technology Review

Якщо ви знайшли помилку, будь ласка, виділіть фрагмент тексту та натисніть Ctrl+Enter.

Додати коментар

Такий e-mail вже зареєстровано. Скористуйтеся формою входу або введіть інший.

Ви вказали некоректні логін або пароль

Вибачте, для коментування необхідно увійти.
Ще

Повідомити про помилку

Текст, який буде надіслано нашим редакторам: