Fonctionnement de Google Deep Dream

Deep Dream est un programme informatique qui localise et modifie les modèles qu'il identifie dans les images numériques. Ensuite, il sert ces images radicalement modifiées pour les yeux humains. Les résultats passent de stupides à artistiques à cauchemardesques, en fonction des données d'entrée et des paramètres spécifiques définis par les conseils des employés de Google.

L'un des meilleurs moyens de comprendre ce qu'est Deep Dream est de l'essayer vous-même. Google a rendu publics ses ordinateurs de rêve pour mieux comprendre comment Deep Dream parvient à classer et indexer certains types d'images. Vous pouvez télécharger n'importe quelle image que vous aimez dans le programme de Google, et quelques secondes plus tard, vous verrez un rendu fantastique basé sur votre photo.

Les résultats sont généralement une image numérique hybride bizarre qui ressemble à Salvador Dali a organisé une fête de peinture toute la nuit avec Jérôme Bosch et Vincent van Gogh. Les feuilles, les rochers et les montagnes se transforment en tourbillons colorés, rectangles répétitifs et lignes gracieuses en surbrillance.

Là où avant il y avait un paysage vide, Deep Dream crée des pagodes, des voitures, des ponts et des parties du corps humain. Et Deep Dream voit des animaux ... des tas d'animaux. Téléchargez un portrait de Tom Cruise et le programme de Google retravaillera les plis et les espaces comme des têtes de chien, des poissons et d'autres créatures familières. Seulement, ce ne sont pas des animaux d'apparence normale - ce sont des récréations fantastiques qui semblent croisées avec un kaléidoscope teinté de LSD. Ils sont étrangement évocateurs et souvent plus qu'un peu terrifiants.

De toute évidence, Google ne lance pas de raves nocturnes et n'alimente pas ses ordinateurs en produits chimiques hallucinatoires. D'une manière ou d'une autre, l'entreprise guide ces serveurs pour qu'ils analysent les images, puis les régurgitent comme de nouvelles représentations de notre monde.

La façon dont tout cela fonctionne parle de la nature de la façon dont nous construisons nos appareils numériques et de la façon dont ces machines digèrent la quantité inimaginable de données qui existe dans notre monde obsédé par la technologie.

1. Neurones en bits
2. Cerveaux informatiques et vélos
3. L'obscurité sur le bord

Les ordinateurs sont des produits inorganiques, il semble donc peu probable qu'ils rêvent dans le même sens que les gens. Pourtant, Deep Dream est un exemple isolé de la complexité des programmes informatiques lorsqu'ils sont associés à des données du monde humain.

Les développeurs de logiciels de Google ont initialement conçu et construit Deep Dream pour le Défi de reconnaissance visuelle à grande échelle ImageNet , un concours annuel qui a débuté en 2010. Chaque année, des dizaines d'organisations se font concurrence pour trouver les moyens les plus efficaces de détecter et de classer automatiquement des millions d'images. Après chaque événement, les programmeurs réévaluent leurs méthodes et travaillent pour améliorer leurs techniques.

La reconnaissance d'image est un composant essentiel qui manque le plus à notre boîte d'outils Internet. Nos moteurs de recherche visent principalement à comprendre les mots-clés et les expressions saisis plutôt que les images. C'est l'une des raisons pour lesquelles vous devez étiqueter vos collections d'images avec des mots clés tels que «chat», «maison» et «Tommy». Les ordinateurs ont simplement du mal à identifier le contenu des images avec une précision fiable. Les données visuelles sont encombrées, désordonnées et peu familières, ce qui complique la compréhension des ordinateurs.

Grâce à des projets comme Deep Dream, nos machines s'améliorent pour voir le monde visuel qui les entoure. Pour faire fonctionner Deep Dream, les programmeurs de Google ont créé un réseau neuronal artificiel (ANN), un type de système informatique qui peut apprendre par lui-même. Ces réseaux neuronaux sont modélisés d'après la fonctionnalité du cerveau humain, qui utilise plus de 100 milliards de neurones (cellules nerveuses) qui transmettent les impulsions nerveuses permettant tous nos processus corporels.

Dans un réseau de neurones, les neurones artificiels remplacent les neurones biologiques, filtrant les données de multiples façons, encore et encore, jusqu'à ce que le système arrive à une sorte de résultat. Dans le cas de Deep Dream, qui a généralement entre 10 et 30 couches de neurones artificiels, ce résultat ultime est une image.

Comment Deep Dream réinvente-t-il vos photographies, en les convertissant de scènes familières à des rendus d'art par ordinateur qui peuvent hanter vos cauchemars pendant des années?

Les réseaux de neurones ne définissent pas automatiquement l'identification des données. Ils nécessitent en fait un peu de formation - ils doivent être alimentés par des ensembles de données à utiliser comme points de référence. Sinon, ils passeraient au crible aveuglément les données, incapables de les comprendre.

Selon le blog officiel de Google, le processus de formation est basé sur la répétition et l'analyse. Par exemple, si vous souhaitez entraîner un ANN à identifier un vélo, vous lui montrez plusieurs millions de vélos. De plus, vous spécifiez clairement - en code informatique, bien sûr - à quoi ressemble un vélo, avec deux roues, une selle et un guidon.

Ensuite, les chercheurs détournent le réseau pour voir quels résultats il peut trouver. Il y aura des erreurs. Le programme peut, par exemple, renvoyer une série d'images comprenant des motos et des cyclomoteurs. Dans ces cas, les programmeurs peuvent modifier le code pour clarifier à l'ordinateur que les vélos n'incluent pas les moteurs et les systèmes d'échappement. Ensuite, ils exécutent le programme, encore et encore, en affinant le logiciel jusqu'à ce qu'il donne des résultats satisfaisants.

L'équipe Deep Dream s'est rendu compte qu'une fois qu'un réseau peut identifier certains objets, il peut également recréer ces objets par lui-même. Ainsi, un réseau qui connaît les vélos à vue peut alors reproduire une image de vélos sans autre intervention. L'idée est que le réseau génère de nouvelles images créatives grâce à sa capacité à classer et trier les images.

Fait intéressant, même après avoir passé au crible des millions d'images de vélos, les ordinateurs continuent de faire des erreurs critiques lorsqu'ils génèrent leurs propres images de vélos. Ils peuvent inclure des mains humaines partielles sur le guidon ou des pieds sur les pédales. Cela se produit parce que de nombreuses images de test incluent également des personnes, et l'ordinateur ne peut finalement pas discerner où les pièces de vélo se terminent et les pièces de personnes commencent.

Ces types d'erreurs se produisent pour de nombreuses raisons, et même les ingénieurs en logiciel ne comprennent pas pleinement tous les aspects des réseaux de neurones qu'ils construisent. Mais en sachant comment fonctionnent les réseaux de neurones, vous pouvez commencer à comprendre comment ces défauts se produisent.

Les neurones artificiels du réseau fonctionnent en piles. Deep Dream peut utiliser aussi peu que 10 ou pas moins de 30. Chaque calque reprend divers détails d'une image. Les couches initiales peuvent détecter des éléments de base tels que les bordures et les bords d'une image. Un autre pourrait identifier des couleurs et une orientation spécifiques . D'autres couches peuvent rechercher des formes spécifiques qui ressemblent à des objets comme une chaise ou une ampoule. Les couches finales peuvent réagir uniquement à des objets plus sophistiqués tels que des voitures, des feuilles ou des bâtiments.

Les développeurs de Google appellent ce processus l' inceptionnisme en référence à cette architecture de réseau neuronal particulière. Ils ont même publié une galerie publique pour montrer des exemples du travail de Deep Dream.

Une fois que le réseau a identifié divers aspects d'une image, un certain nombre de choses peuvent se produire. Avec Deep Dream, Google a décidé de dire au réseau de créer de nouvelles images.

Les ingénieurs de Google ont en fait laissé Deep Dream choisir les parties d'une image à identifier. Ensuite, ils disent essentiellement aux ordinateurs de prendre ces aspects de l'image et de les mettre en valeur. Si Deep Dream voit une forme de chien dans le motif de tissu de votre canapé, cela accentue les détails de ce chien.

Chaque couche ajoute plus au look du chien, de la fourrure aux yeux en passant par le nez. Ce qui était autrefois un paisley inoffensif sur votre canapé devient une silhouette canine avec des dents et des yeux. Deep Dream zoome un peu à chaque itération de sa création, ajoutant de plus en plus de complexité à l'image. Pensez chien dans chien dans chien.

Une boucle de rétroaction commence lorsque Deep Dream surinterprète et suraccentue chaque détail d'une image. Un ciel plein de nuages passe d'une scène idyllique à une scène remplie de sauterelles spatiales, de formes psychédéliques et de voitures aux couleurs de l'arc-en-ciel. Et les chiens. Il y a une raison à la surabondance de chiens dans les résultats de Deep Dream. Lorsque les développeurs ont sélectionné une base de données pour entraîner ce réseau de neurones, ils en ont choisi une qui comprenait 120 sous-classes de chiens, toutes classées de manière experte. Ainsi, lorsque Deep Dream part à la recherche de détails, il est tout simplement trop susceptible de voir des visages et des pattes de chiot partout où il cherche.

Deep Dream n'a même pas besoin d'une image réelle pour créer des images. Si vous lui donnez une image blanche vierge ou remplie de statique, il "verra" toujours des parties de l'image, en les utilisant comme blocs de construction pour des images de plus en plus étranges.

C'est la tentative du programme de révéler le sens et la forme à partir de données autrement sans forme. Cela témoigne de l'idée derrière l'ensemble du projet - essayer de trouver de meilleurs moyens d'identifier et de contextualiser le contenu des images éparpillées sur les ordinateurs du monde entier.

Alors, les ordinateurs peuvent-ils vraiment rêver? Sont-ils trop intelligents pour leur propre bien? Ou est-ce que Deep Dream est juste une façon fantaisiste pour nous d'imaginer la façon dont notre technologie traite les données?

Il est difficile de savoir exactement ce qui contrôle la sortie de Deep Dream. Personne ne guide spécifiquement le logiciel pour effectuer des tâches préprogrammées. Il faut prendre des instructions assez vagues (trouver des détails et les accentuer, encore et encore) et terminer les travaux sans guidage humain manifeste.

Les images qui en résultent sont une représentation de ce travail. Peut-être que ces représentations sont des œuvres d'art créées par la machine. C'est peut-être une manifestation de rêves numériques, nés du silicium et des circuits. Et c'est peut-être le début d'une sorte d'intelligence artificielle qui rendra nos ordinateurs moins dépendants des gens.

Vous pouvez craindre la montée en puissance des ordinateurs sensibles qui envahissent le monde. Mais pour l'instant, ces types de projets profitent directement à quiconque utilise le Web. En l'espace de quelques années à peine, la reconnaissance d'image s'est considérablement améliorée, aidant les utilisateurs à parcourir plus rapidement les images et les graphiques pour trouver les informations dont ils ont besoin. Au rythme actuel des progrès, vous pouvez vous attendre bientôt à des progrès majeurs dans la reconnaissance d'images, en partie grâce aux ordinateurs de rêve de Google.

Note de l'auteur: Fonctionnement de Google Deep Dream

Les ordinateurs ne font pas d'art. Pas encore en tout cas. Et ils ne rêvent pas non plus. Ces deux processus sont clairement humains et sont profondément affectés par la culture personnelle, la physiologie, la psychologie, les expériences de vie, la géographie et bien plus encore. Les ordinateurs peuvent absorber beaucoup de données concernant ces variables, mais ils ne les expérimentent pas et ne les traitent pas de la même manière que les gens. Donc, si vous craignez que la technologie rende vos expériences humaines obsolètes, ne vous inquiétez pas pour le moment. Votre perception du monde va bien plus loin que celle d'un réseau informatique.

Histoires liées

Plus de liens intéressants