Google Deep Dream의 작동 원리

Deep Dream은 디지털 사진에서 식별되는 패턴을 찾고 변경하는 컴퓨터 프로그램입니다. 그런 다음 인간의 눈이 볼 수 있도록 근본적으로 조정 된 이미지를 제공합니다. 결과는 입력 데이터와 Google 직원의 지침에서 설정 한 특정 매개 변수에 따라 어리석은 것에서 예술적인 것, 악몽 같은 것까지 다양합니다.

Deep Dream이 무엇인지 이해하는 가장 좋은 방법 중 하나는 직접 시도하는 것입니다. Google은 Deep Dream이 특정 유형의 사진을 분류하고 색인을 생성하는 방법을 더 잘 이해하기 위해 꿈꾸는 컴퓨터를 공개했습니다. 좋아 하는 이미지 를 Google 프로그램에 업로드 할 수 있으며 몇 초 후에 사진을 기반으로 한 환상적인 렌더링을 볼 수 있습니다.

결과는 일반적으로 Salvador Dali 가 Hieronymus Bosch와 Vincent van Gogh와 함께 밤새도록 그림을 그리는 파티 를 한 것처럼 보이는 기괴한 하이브리드 디지털 이미지입니다 . 나뭇잎, 바위 및 산은 다채로운 소용돌이, 반복되는 직사각형 및 우아하게 강조된 선으로 변합니다.

빈 풍경이 있기 전에 Deep Dream은 탑, 자동차, 다리 및 인체 부위를 만듭니다. 그리고 Deep Dream은 동물을 봅니다. Tom Cruise의 초상화를 업로드하면 Google 프로그램에서 개 머리, 물고기 및 기타 친숙한 생물로 주름과 공간을 재 작업합니다. 이것들 만이 평범하게 보이는 동물이 아닙니다. LSD가 물든 만화경과 교차하는 것처럼 보이는 환상적인 레크리에이션입니다. 그들은 어리석게 연상시키고 종종 약간 끔찍합니다.

분명히, 구글은 야간 격찬을 던지고 컴퓨터에 환각 화학 물질을 공급하지 않습니다. 어떻게 든, 회사는 이미지를 분석하고 우리 세계의 새로운 표현으로 역류하도록 이러한 서버를 안내하고 있습니다.

모든 것이 작동하는 방식은 우리가 디지털 장치를 구축하는 방식의 본질과 이러한 기계가 기술에 집착하는 세상에 존재하는 상상할 수없는 양의 데이터를 소화하는 방식을 말합니다.

내용

1. 비트의 뉴런
2. 컴퓨터 두뇌와 자전거
3. 가장자리의 어둠

컴퓨터는 무기물이기 때문에 사람들과 같은 의미로 꿈을 꿀 것 같지 않습니다. 그러나 Deep Dream은 인간 세계의 데이터와 결합 될 때 컴퓨터 프로그램이 얼마나 복잡한 지 보여주는 단 하나의 예입니다.

Google 의 소프트웨어 개발자는 원래 2010 년에 시작된 연례 콘테스트 인 ImageNet 대규모 시각적 인식 챌린지를 위한 Deep Dream을 구상하고 구축 했습니다. 매년 수십 개의 조직이 수백만 개의 이미지를 자동으로 감지하고 분류하는 가장 효과적인 방법을 찾기 위해 경쟁합니다. 각 이벤트 후에 프로그래머는 방법을 재평가하고 기술을 개선하기 위해 노력합니다.

이미지 인식은 인터넷 도구 상자에서 대부분 누락 된 중요한 구성 요소입니다. 우리의 검색 엔진 은 주로 이미지 대신 입력 된 키워드와 구문을 이해하도록되어 있습니다. 이것이 이미지 컬렉션에 "고양이", "집"및 "토미"와 같은 키워드로 태그를 지정해야하는 이유 중 하나입니다. 컴퓨터는 신뢰할 수있는 정확도로 이미지의 내용을 식별하는 데 어려움을 겪습니다. 시각적 데이터는 어수선하고 지저분하며 익숙하지 않아 컴퓨터가 이해하기 어렵습니다.

Deep Dream과 같은 프로젝트 덕분에 우리 기계는 주변의 시각적 세계를 더 잘 볼 수있게되었습니다. Deep Dream을 작동시키기 위해 Google 프로그래머 는 자체적으로 학습 할 수있는 컴퓨터 시스템 유형 인 인공 신경망 (ANN)을 만들었습니다 . 이러한 신경망은 우리의 모든 신체 과정을 가능하게하는 신경 자극을 전달하는 1,000 억 개 이상의 뉴런 (신경 세포)을 사용하는 인간 뇌의 기능을 모델로합니다.

신경망에서 인공 뉴런은 생물학적 뉴런을 대신하여 시스템이 어떤 종류의 결과에 도달 할 때까지 여러 방법으로 데이터를 반복해서 필터링합니다. 일반적으로 10 ~ 30 개의 인공 뉴런 층이있는 Deep Dream의 경우 최종 결과는 이미지입니다.

Deep Dream은 여러분의 사진을 어떻게 재 구상하여 익숙한 장면에서 앞으로 몇 년 동안 악몽을 꾸밀 수있는 컴퓨터 아트 렌더링으로 변환합니까?

신경망은 데이터 식별에 대해 자동으로 설정되지 않습니다. 실제로 약간의 교육이 필요합니다. 기준점으로 사용할 데이터 세트를 제공 받아야합니다. 그렇지 않으면 그들은 맹목적으로 데이터를 샅샅이 뒤져서 이해할 수 없었습니다.

Google의 공식 블로그에 따르면 교육 과정은 반복과 분석을 기반으로합니다. 예를 들어 자전거를 식별하기 위해 ANN을 훈련 시키려면 수백만 개의 자전거를 보여 주면됩니다. 또한 컴퓨터 코드에서 두 개의 바퀴, 좌석 및 핸들 바가있는 자전거의 모양을 명확하게 지정해야합니다.

그런 다음 연구원들은 네트워크를 느슨하게 만들어 어떤 결과를 찾을 수 있는지 확인합니다. 오류가 있습니다. 예를 들어이 프로그램은 오토바이와 오토바이를 포함한 일련의 이미지를 반환 할 수 있습니다. 이 경우 프로그래머는 자전거에 엔진과 배기 시스템이 포함되어 있지 않다는 것을 컴퓨터에 명확히하기 위해 코드를 수정할 수 있습니다. 그런 다음 프로그램을 반복해서 실행하여 만족스러운 결과를 얻을 때까지 소프트웨어를 미세 조정합니다.

Deep Dream 팀은 네트워크가 특정 개체를 식별 할 수있게되면 해당 개체를 자체적으로 다시 만들 수도 있다는 것을 깨달았습니다. 따라서 눈에 보이는 자전거를 알고있는 네트워크는 추가 입력없이 자전거 이미지를 재현 할 수 있습니다. 아이디어는 네트워크가 이미지를 분류하고 분류하는 기능 덕분에 창의적인 새로운 이미지를 생성한다는 것입니다.

흥미롭게도 수백만 개의 자전거 사진을 살펴본 후에도 컴퓨터는 자전거 사진을 생성 할 때 여전히 중대한 실수를 범합니다. 여기에는 핸들 바의 부분적인 인간 손이나 페달의 발이 포함될 수 있습니다. 이것은 너무 많은 테스트 이미지에 사람도 포함되어 있고 컴퓨터는 결국 자전거 부품이 끝나고 사람 부품이 시작되는 위치를 식별 할 수 없기 때문에 발생합니다.

이러한 종류의 실수는 여러 가지 이유로 발생하며 소프트웨어 엔지니어조차 자신이 구축하는 신경망의 모든 측면을 완전히 이해하지 못합니다. 그러나 신경망의 작동 방식을 알면 이러한 결함이 어떻게 발생하는지 이해하기 시작할 수 있습니다.

네트워크 의 인공 뉴런 은 스택으로 작동합니다. Deep Dream은 최소 10 개 또는 최대 30 개를 사용할 수 있습니다. 각 레이어는 이미지의 다양한 세부 사항을 포착합니다. 초기 레이어는 그림 내의 테두리 및 가장자리와 같은 기본 사항을 감지 할 수 있습니다. 다른 하나는 특정 색상 과 방향을 식별 할 수 있습니다 . 다른 레이어는 의자 또는 전구와 같은 물체와 유사한 특정 모양을 찾을 수 있습니다. 최종 레이어는 자동차, 나뭇잎 또는 건물과 같은보다 정교한 물체에만 반응 할 수 있습니다.

Google의 개발자는 이 특정 신경망 아키텍처와 관련 하여이 프로세스 시작 론 이라고합니다 . 그들은 심지어 Deep Dream의 작품을 보여주는 공개 갤러리 를 게시했습니다 .

네트워크가 이미지의 다양한 측면을 파악하면 여러 가지 일이 발생할 수 있습니다. Deep Dream을 통해 Google은 네트워크에 새로운 이미지를 만들기로 결정했습니다.

Google의 엔지니어는 실제로 Deep Dream이 식별 할 이미지 부분을 선택하도록합니다. 그런 다음 본질적으로 컴퓨터에게 사진의 이러한 측면을 취하고 강조하도록 지시합니다. Deep Dream이 소파의 패브릭 패턴에서 강아지 모양을 보면 해당 강아지의 세부 사항을 강조합니다.

각 레이어는 모피에서 눈, 코에 이르기까지 개 모양에 더 많은 것을 추가합니다. 한때 당신의 소파에서 무해한 페이즐리였던 것이 이빨과 눈으로 완성 된 송곳니가됩니다. Deep Dream은 생성이 반복 될 때마다 조금씩 확대되어 그림에 점점 더 복잡해집니다. 개 안의 개를 생각하십시오.

피드백 루프는 Deep Dream이 사진의 모든 세부 사항을 과도하게 해석하고 강조하면서 시작됩니다. 구름으로 가득 찬 하늘 은 목가적 인 장면에서 우주 메뚜기, 사이키델릭 모양, 무지개색 자동차로 가득 찬 장면으로 변신합니다. 그리고 개. 딥 드림의 결과에는 개가 너무 많은 이유가 있습니다. 개발자가이 신경망을 훈련하기 위해 데이터베이스를 선택할 때, 그들은 모두 전문적으로 분류 된 120 개의 개 하위 클래스를 포함하는 데이터베이스를 선택했습니다. 따라서 Deep Dream이 세부 사항을 찾기 시작하면 검색하는 모든 곳에서 강아지의 얼굴과 발을 볼 가능성이 지나치게 높습니다.

Deep Dream은 그림을 만들기 위해 실제 이미지가 필요하지 않습니다. 빈 흰색 이미지 또는 정적으로 채워진 이미지를 제공하면 더 이상하고 더 이상한 그림의 구성 요소로 사용하여 여전히 이미지의 일부를 "볼"것입니다.

형식이없는 데이터에서 의미와 형태를 드러내려는 프로그램의 시도입니다. 이는 전 세계 컴퓨터에 흩어져있는 이미지의 콘텐츠를 식별하고 맥락화하는 더 나은 방법을 찾으려는 전체 프로젝트의 아이디어를 말해줍니다.

그렇다면 컴퓨터가 정말로 꿈을 꿀 수 있을까요? 그들은 자신의 이익을 위해 너무 똑똑해지고 있습니까? 아니면 Deep Dream이 우리 기술이 데이터를 처리하는 방식을 상상할 수있는 공상적인 방법일까요?

Deep Dream의 출력을 제어하는 ​​것이 무엇인지 정확히 알기는 어렵습니다. 아무도 사전 프로그래밍 된 작업을 완료하도록 소프트웨어를 특별히 안내하지 않습니다. 다소 모호한 지침 (세부 사항을 찾아 강조 표시)을하고 명백한 인간의지도없이 작업을 완료하는 것입니다.

결과 이미지는 해당 작업의 표현입니다. 아마도 이러한 표현은 기계 제작 작품 일 것입니다. 실리콘 과 회로 에서 태어난 디지털 꿈의 표현 일 수도 있습니다 . 그리고 아마도 그것은 우리 컴퓨터가 사람에게 덜 의존하게 만드는 일종의 인공 지능의 시작일 것입니다.

세상을 장악하는 지각 컴퓨터의 부상을 두려워 할 수 있습니다. 그러나 현재로서는 이러한 종류의 프로젝트가 웹을 사용하는 모든 사람에게 직접적인 혜택을주고 있습니다. 불과 몇 년 만에 이미지 인식 기능이 크게 향상되어 사람들이 필요한 정보를 찾기 위해 이미지와 그래픽을 더 빠르게 살펴볼 수 있습니다. 현재의 발전 속도에서 Google의 꿈꾸는 컴퓨터 덕분에 곧 이미지 인식의 큰 도약을 기대할 수 있습니다.

작성자 주 : Google Deep Dream 작동 방식

컴퓨터는 예술을 만들지 않습니다. 어쨌든 아직. 그리고 그들도 꿈을 꾸지 않습니다. 이 두 가지 과정은 뚜렷하게 인간이며 개인 문화, 생리학, 심리학, 삶의 경험, 지리 등의 영향을 많이받습니다. 컴퓨터는 이러한 변수에 관한 많은 데이터를 흡수 할 수 있지만 사람과 같은 방식으로 경험하고 처리하지는 않습니다. 따라서 기술이 인간의 경험을 쓸모 없게 만드는 것이 걱정 되더라도 아직 걱정하지 마십시오. 세상에 대한 당신의 인식은 컴퓨터 네트워크의 인식보다 훨씬 더 깊습니다.

관련 이야기

더 멋진 링크