شبکه های عصبی مصنوعی

هوش مصنوعی یا AI در پروژه‌های مربوط به شناسایی اشیا بسیار خوب عمل می‌کند. به عنوان مثال، چنانچه به یک ماشین تعداد یک میلیون عکس نشان داده شود می‌تواند با دقت و بی نقص تشخیص دهد که کدام عابر پیاده از خیابان عبور کرده است. اما AI در تولید تصاویر از عابران پیاده مقداری کندتر عمل می‌کند.

چنانچه در این زمینه پیشرفت‌ چشمگیری کسب نماید، قادر خواهد بود که عکس‌های واقع گرایانه‌ای را نشان دهد که عابرین پیاده در حال حرکت را تشخیص دهد. در این شرایط راننده یک ماشین می‌تواند بدون نیاز به حضور در جاده‌ها آموزش ببیند. تنها مشکل موجود، نیاز به تخیل برای موضوعات جدید است، چیزی که تا به امروز برای AI کمی گیج کننده بوده است. رویکردهای نظیر این موارد تحت عنوان شبکه عصبی یا Generative Adversarial Network شناخته می‌شود. شبکه های عصبی مصنوعی مدل‌های ساده ریاضی هستند که از مغز انسان الهام می‌گیرند و یکی از اساسی ترین و مدرن ترین راه حل های ساخت ماشین می‌باشد.

بمنظور بررسی این سیستم‌ها بطور معمول، هر دو شبکه در یک مجموعه داده آماده می‌شوند. یکی از سیستم‌ها به عنوان ژنراتور شناخته می‌شود و بطور مثال در تصاویری که قبلا مشاهده کرده است، تغییراتی ایجاد می‌نماید. این تغییر ممکن است شامل افزودن یک بازوی اضافه به عکسی از عابر پیاده باشد. دومین سیستم نیز به عنوان تفکیک کننده شناخته می شود. از این سیستم برای تشخیص تغییر در تصویر استفاده می‌شود. با گذشت زمان، ژنراتور در تولید تصاویری بسیار شبیه به واقعیت پیشرفت کرده است. این پیشرفت به حدی است که تفکیک کننده نمی‌تواند تصویر جعلی را تشخیص دهد. اساسا، ژنراتور آموزش داده شده است تا تشخیص دهد و پس از آن تصاویر واقعی تغییر یافته را ایجاد نماید.

در یک دهه گذشته، شبکه های عصبی مصنوعی به عنوان یکی از پیشرفته‌ترین تکنولوژی ها در AI  شناخته شده است. این سیستم در ماشین آلاتی کاربرد دارد که به تولید و شبیه سازی ربات‌های شبیه به انسان می‌پردازند. در یک مثال جالب، محققان Chipmaker Nvidia از یک GAN خواستند که عکس‌هایی از صدها چهره معتبر از افرادی که دیگر زنده نیستند، ایجاد نمایند. گروه تحقیقاتی دیگر نقاشی‌های تقلبی از آثار ون گوگ را به GAN ها نشان دادند. آن‌ها بصورت باورنکردنی توانستند تصاویر را از طریق روش های مختلف تشخیص دهند. در این میان، نتایج GAN همیشه خوب و کامل نیستند.  آن‌ها دوچرخه با دو دسته فرمان، یا چهره با ابرو در جای اشتباه را می‌توانند تشخیص دهند اما ایجاد و ساخت توسط این AI ها مشکل خواهد بود. به این دلیل که تصاویر و صداها اغلب بسیار واقعی و خاص هستند. با این شرایط برخی از کارشناسان معتقدند که این امکان وجود دارد که GAN ها به حد درک ساختار اساسی جهان برسند. این درک به این معنا است که هوش مصنوعی ممکن است همراه با یک احساس تخیل، توانایی بالاتری برای درک آنچه که در جهان دیده می شود، به کار رود.