Memahami model GAN

Dalam tren di mana Kecerdasan Buatan melakukan beberapa hal yang mengesankan seperti menanggapi perintah Anda, menyelesaikan masalah Anda, menghasilkan gambar baru dengan prompt yang diberikan, dan banyak lagi, Anda pasti bertanya-tanya bagaimana cara kerjanya. Anda pasti pernah mendengar tentang beberapa platform populer seperti ChatGPT dan Dall-E.

Dalam pekerjaan saya, saya mengerjakan model GAN ​​. Jadi, saya akan menggunakan pembelajaran itu dan memberi tahu Anda cara kerjanya dan memberi Anda beberapa pengetahuan teoretis tentang model GAN.

Apa itu Kecerdasan Buatan?

Kecerdasan Buatan (AI) adalah kemampuan mesin untuk berpikir seperti manusia, yang meliputi belajar dari pengalaman masa lalu, memecahkan masalah, dan membuat keputusan.

Apa itu Pembelajaran Mesin?

Machine Learning(ML) adalah bagian dari AI yang memungkinkan mesin untuk terus meningkatkan kinerjanya dengan pengalaman. Ini menggunakan algoritma dan model matematika untuk meningkatkan kinerjanya dan membuat prediksi dan keputusan. Terutama ada tiga jenis ML yang diberi nama: Pembelajaran Terawasi , Pembelajaran Tanpa Pengawasan , dan Pembelajaran Penguatan.

• Pembelajaran yang Diawasi : Ini melibatkan pelatihan model pada kumpulan data berlabel, di mana keluaran yang diinginkan sudah diketahui. Model tersebut kemudian dapat memprediksi data baru yang tidak terlihat berdasarkan pola yang dipelajarinya selama pelatihan. Tugas umum yang menggunakan pembelajaran terawasi meliputi klasifikasi dan regresi.
• Pembelajaran Tanpa Pengawasan : Ini melibatkan pelatihan model pada kumpulan data yang tidak berlabel, di mana keluaran yang diinginkan tidak diketahui. Model harus menemukan sendiri pola atau fitur dalam data. Tugas umum yang menggunakan pembelajaran tanpa pengawasan meliputi pengelompokan dan pengurangan dimensi .

Generative Adversarial Network (GAN) adalah model pembelajaran mesin yang dapat menghasilkan data baru dari input yang diberikan. Model GAN ​​biasanya dianggap sebagai model pembelajaran tanpa pengawasan tetapi menggunakan aspek pembelajaran yang diawasi di salah satu komponennya saat pelatihan. Ini memiliki dua komponen di dalamnya: Generator dan Diskriminator .

• Generator : Komponen model GAN ​​ini dapat menghasilkan data baru dari masukan derau yang diberikan padanya.
• Diskriminator : Pekerjaan komponen ini adalah membedakan antara data asli dan data yang dihasilkan oleh Generator.

Komponen-komponen ini dilatih secara bersamaan. Misalnya, jika kita ingin melatih model untuk dapat menghasilkan gambar kuda, kita akan melatih diskriminator dengan menunjukkan gambar kuda. Di sisi lain, kami akan menyediakan generator dengan beberapa masukan derau yang akan mulai membuat data baru dan menampilkannya ke diskriminator. Karena diskriminator telah melihat gambar kuda dan tidak dapat mengidentifikasi gambar yang dihasilkan oleh generator sebagai kuda, itu akan memberi tahu generator untuk meningkatkan. Proses ini akan terjadi berkali-kali hingga generator dapat menghasilkan keluaran yang tidak dapat dibedakan oleh diskriminator. Jika diskriminator dapat mengenali data yang dihasilkan maka kerugian generator dihitung yang berarti kinerjanya tidak cukup baik tetapi jika gambar yang dihasilkan melewati diskriminator tanpa ditandai maka diskriminator menghadapi kerugian. Dari sini, kita dapat memperoleh gambaran bahwa seiring berjalannya pelatihan, kehilangan generator terus berkurang dan kehilangan diskriminator meningkat.

Diagram blok di atas hanya menunjukkan bagaimana proses terjadi dalam model GAN. Kerugian untuk setiap komponen diumpankan kembali ke dalamnya. Setelah periode tertentu, hilangnya kedua komponen tersebut menjadi konstan. Kami juga dapat mengatakan bahwa dalam model GAN, ada pertarungan antara Pembelajaran yang Diawasi dan Pembelajaran yang Tidak Diawasi.

Model GAN ​​dipandang sebagai revolusi di bidang pembelajaran mesin karena sangat kuat dan memiliki kemampuan untuk bekerja di hampir semua jenis data. Mereka dapat menulis surat, paragraf, kode, dan skrip, serta membuat gambar, lukisan, wajah, deepfake, video, audio, dan musik. Karena ini kuat, mereka juga sangat sulit untuk dilatih.

informasi tambahan

Model GAN ​​baru-baru ini mulai mendapatkan banyak popularitas karena banyak perusahaan mulai bereksperimen dengannya dan menghasilkan produk yang tidak pernah terpikirkan sebelumnya. Banyak pengembangan yang menggunakan model-model ini yang juga menimbulkan ketakutan di kalangan pengguna umum. Beberapa orang mengatakan bahwa model ini akan menyebabkan pengangguran sementara yang lain meragukan konsekuensi moral dan etika serta kurangnya campur tangan manusia untuk menciptakan sesuatu. Ada protes online oleh komunitas seniman yang menyatakan bahwa karya mereka digunakan untuk melatih model-model ini dan sekarang model AI dapat bekerja lebih cepat dan para seniman berisiko tidak memiliki pekerjaan.

Pertanyaan: Apakah AI digunakan untuk menulis blog ini?