زمانی که رایانه‏ها خواب می‏بینند

مهندسان شرکت گوگل اعلام کرده‏اند با اینکه مرورگرهای این شرکت، بخش اعظم داده‏های کاربران را در سراسر دنیا تامین می‏کنند، این مرورگرها خواب هم می‏بینند. به گزارش «ایسنا»، شبکه‏های عصبی مصنوعی (ANNs) گوگل، لایه‏های متشکل از نورون‏های مصنوعی (متکی به رایانه‏) هستند که تصاویر گوگل را پردازش می‏کنند. دانشمندان به‌منظور درک این نکته که رایانه‏ها چگونه خواب می‏بینند، باید ابتدا چگونگی یادگیری آنها را درک می‏کردند. برنامه‏ریزان گوگل به یک ANN یاد می‏دهند چنگال چیست و این کار را با نشان‏دادن میلیون‏ها تصویر چنگال و همچنین نمایش این نکته که هر یک از این چنگال‏ها چگونه به نظر می‏رسند، انجام می‏دهند.

مهندسان شرکت گوگل اعلام کرده‏اند با اینکه مرورگرهای این شرکت، بخش اعظم داده‏های کاربران را در سراسر دنیا تامین می‏کنند، این مرورگرها خواب هم می‏بینند. به گزارش «ایسنا»، شبکه‏های عصبی مصنوعی (ANNs) گوگل، لایه‏های متشکل از نورون‏های مصنوعی (متکی به رایانه‏) هستند که تصاویر گوگل را پردازش می‏کنند. دانشمندان به‌منظور درک این نکته که رایانه‏ها چگونه خواب می‏بینند، باید ابتدا چگونگی یادگیری آنها را درک می‏کردند. برنامه‏ریزان گوگل به یک ANN یاد می‏دهند چنگال چیست و این کار را با نشان‏دادن میلیون‏ها تصویر چنگال و همچنین نمایش این نکته که هر یک از این چنگال‏ها چگونه به نظر می‏رسند، انجام می‏دهند. هریک از ۱۰ تا ۳۰ لایه این شبکه، اطلاعات پیچیده‏تری را از این تصویر از لبه‏ها تا شکل آن‏ و در نهایت ایده یک چنگال استخراج می‏کنند. در نهایت، شبکه عصبی درک می‏کند که یک چنگال دارای یک دسته و دو تا چهار شاخه است و چنانچه اشتباهی در این درک رخ دهد، دانشمندان خوانش اشتباه رایانه را تصحیح کرده و آن را مجاب می‏کنند برای درک چنگال دوباره تلاش کند.

تیم گوگل پی برد که همین فرآیند برای شناسایی تصاویر را می‏توان برای تولید تصاویر نیز به‌کار برد. منطق این قضیه به این شرح است: چنانچه می‏دانی یک چنگال چه شکلی است، می‏توانی آن را بکشی. مطالعات نشان داد حتی زمانی که به رایانه، میلیون‏ها تصویر نشان داده شد، نتوانست شکل کاملی از آن شیء را بکشد. به‌طور مثال، زمانی که از رایانه خواسته می‏شد یک دمبل را طراحی کند، اشیای بازودار درازی را توصیف می‏کرد که از اشکال دمبل مشتق شده‏ بودند. دمبل‏ها اغلب دارای بازوهایی بودند و رایانه تصور می‏کرد که گاهی اوقات دمبل‏ها بازو دارند. این موضوع به پالایش توانایی‏های پردازش تصویری رایانه کمک می‏کرد، اما تیم گوگل پا را اندکی فراتر از این موضوع نهاد.

گوگل از ANN برای تقویت الگوهایی استفاده کرد که در تصاویر می‏دید. هر لایه عصبی مصنوعی با استفاده از لایه متفاوتی از انتزاع کار می‏کند و این به این معنا است که تعدادی از این لایه‏ها لبه‏ها را مبتنی بر سطوح ریز درک می‏کنند درحالی‌که لایه‏های دیگر اشکال و رنگ‏ها را شکار می‏کردند.

دانشمندان از این فرآیند برای برجسته‏کردن شکل و رنگ استفاده و شبکه را مجاب کردند هر چیزی را که تشخیص می‏دهد، برجسته کند. بنابراین اگر برای شبکه یک ابر شبیه پرنده است، شبکه، ایده خود از یک پرنده را بارها و بارها اعمال می‏کند. تیم علمی گوگل الگوهایی را در خواب‏ها و رویاهای رایانه یافت که در آنها سنگ و درختان اغلب ساختمان می‏شدند و برگ‏ها هم اغلب پرنده و حشره بودند. محققان تصویری را که شبکه تولید می‏کرد به‌عنوان تصویر جدید برای پردازش قرار می‏دادند و فرآیندی تکراری را در هر بار با زوم کوچک خلق می‏کردند و شبکه شروع به خلق جریانی بی‏پایان از حس‏های مختلف می‏کرد. این شبکه زمانی که با نویز سفید کار می‏کرد، تصاویری منحصربه‌فرد را خلق می‏کرد.

دانشمندان این تصاویر را خواب‏های شبکه عصبی خوانده‏اند که نشانگرهای اصیلی از ذهن یک رایانه هستند و از اشیای دنیای واقعی مشتق شده‏اند. گوگل از این تکنیک برای یافتن این موضوع بهره می‏گیرد که شبکه‏های عصبی مصنوعی‏ چه یاد می‏گیرند و حتی به دنبال درک ریشه‏های فرآیند خلاقانه در حالت کلی است.