Generolas

Dirbtinio intelekto tinklas pasirenka linksmai neteisingus naujų dažų spalvų pavadinimus

Dirbtinio intelekto tinklas pasirenka linksmai neteisingus naujų dažų spalvų pavadinimus



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Namų dažymui tinkamo fono ir ryškių atspalvių radimas dažnai lemia neapsisprendžiančias spalvas ar net savaites. Gal taip yra dėl mūsų vizijos sugebėjimo atpažinti milijonus skirtingų atspalvių, kurie pateikia plačią spalvų tonų areną. Taigi, kalbant apie įvairių spalvų atspalvių nustatymą, šiam intelekto neuronų tinklui buvo duota užduotis išmokti išrasti naujas dažų spalvas linksmesniam vardų spektrui.

[Vaizdo šaltinis: Dulux]

Linksmi spalvų pavadinimai

Anksčiau dirbdamas dažų pramonėje, pribloškia sužinojimas, kad standartiniame ROYGBIV spektre yra daugiau nei tūkstantis atspalvių. Vartotojai dažnai stengiasi sumaišyti spalvas, kurios spusteli pagal jų skonį. Tačiau tai yra daugiau kova su pardavimo padėjėju, kad įtikintų juos, jog tai, ką jie gauna, yra teisingas dažų atspalvis. Dažai yra dviem atspalviais lengvesni, kol jie dedami ant sienos, o tikra spalva, kuri yra dviem atspalviais tamsesnė, atskleidžia tik išdžiūvę. Šiuo metu tipiškiems „pasidaryk pats“ spalvotiems padėklams suteikiami malonūs ir patrauklūs pavadinimai, tokie kaip žemiau.

[Vaizdo šaltinis: Dulux]

Bet argi tai ne šiaip sau įprasta? Visiškai, jei palygintumėte su atspalvių pavadinimais, kuriuos sugalvojo šis AI tinklas. Janelle Shane, mokslininkė iš Kalifornijos universiteto, San Diege, eksperimentavo su neuroniniu tinklu, pateikdama aplinkui sąrašą 7,700 Sherwinas-Williamsas dažo spalvas RGB (raudona, žalia, mėlyna) vertėmis, norėdamas sužinoti, ar dirbtinio intelekto sistema sukels linksmus spalvų pavadinimus.

[Vaizdo šaltinis: Janelle Shane per „Tumblr“]

Neuroniniai tinklai iš esmės yra kompiuteriu sumodeliuotos žmogaus smegenys, galinčios treniruotis naudojant didelius duomenų rinkinius, kad būtų galima rasti tokias problemas kaip modelio atpažinimas. Norėdami patikrinti, ar neuroninis tinklas daro pažangą treniruotės metu, Shane'as davė komandą sukurti tam tikrą išvestį naudodamas tik žemiausią kūrybiškumo parametrą. PG tinklas išspjaudė šiuos spalvų pavadinimus - šiame lygmenyje šiek tiek netiksliai.

[Vaizdo šaltinis: Janelle Shane per „Tumblr“]

Atliekant tolesnį kalibravimą treniruočių procese, neuroninis tinklas sugebėjo nustatyti pagrindines spalvas, tokias kaip balta, raudona ir pilka. Shane'as teigė, kad tai galėjo būti patobulinta naudojant daugiau filtravimo parametrų. „Galbūt su skirtingais parametrais tai galėjo būti šiek tiek geriau - daugybė nervų tinklo treniruočių apima tinkamų treniruočių parametrų pasirinkimą“.

[Vaizdo šaltinis: Janelle Shane per „Tumblr“]

Užuot nusivylusi neteisinga spalvų pavadinimų rašyba, Shane labiau vertino tai, ką jos nervų tinklas sugebėjo skaitmeniniu būdu mikčioti. Ji pasakė: "Gundytina ištaisyti rašybą, jei joje beveik užrašomas žodis, bet kažkaip tai atima malonumą. Tai, kaip išeina iš kompiuterio, aš nieko nekeičiu". Mokslininkas sugebėjo iš šio linksmo neuroninio tinklo eksperimento padaryti dvi išvadas: PG sistema mėgsta rudą, smėlio ir pilką spalvą ir kad ji turi „tikrai blogų dažų pavadinimų idėjų“.

Kodėl nepabandžius neuronų tinklo, vadinamo char-rnn, pabandyti išsiaiškinti, ar iš jo galima sugalvoti juokingų idėjų.

Šaltinis: Atvirukai iš mokslo kraštų

TAIP PAT ŽR. „Google“ nauja programa „AutoDraw“ padės jūsų piešiniams mažiau įsisiurbti


Žiūrėti video įrašą: Mokslo sriuba: Pietų Korėjos ir kitų vabzdžių tyrimai (Rugpjūtis 2022).