REKLAMA

Jak nauczyć sztuczną inteligencję odróżniania kury od Nicolasa Cage'a

Homo Science
Data emisji:
2018-06-02 11:40
Audycja:
Czas trwania:
29:55 min.
Udostępnij:

AUTOMATYCZNA TRANSKRYPCJA PODCASTU

Transkrypcja podcastu
firma współpracuje, bo kura mistrz i woda i Nicolas Cage takie ważkie zagadnienia audycji Homo science Aleksandry Piotr Stanisław c zapraszaniem dzień dobry państwo być Homo science, a w studiu nasz gość wcielający Chrzanowski z uniwersytetu SWPS i fundacji mózg i dobre będziemy jak to zwykle z Lyonem ktoś drugi raz rozmawiali o maszynach i o tym co te maszyny potrafią robić takiego co nam się kojarzy z naszych im muzykami, ale zarząd takiego przykładu całkiem życiowego Rozwiń » mianowicie nie dalej jak 2 dni temu szukałem w Google Luo zdjęć, a jest takie o jak państwo coś piszą o ogólnych przykład jak lekarz ten to sekcje grafika i tam się różne ciekawe rzeczy znajdują ja słuchałem zdjęcia kury tak jest i kury wpisem do hasło po polsku i dostałem okryć całe mnóstwo zdjęć Kurt, ale też trochę zdjęć, jaki zupełnie idiotycznych i jaki samochód budynki i takie zainteresowanie wchodząc w to co właściwie się stało, że to mało miał być niby kura okazuje się, że rzeczywiście nas kijem zdjęcie samochodu znajdowało się na tej samej stronie internetowej, na której znajdowało się, gdzie indziej zdjęcie kury, ale ona akurat mnie odstawił samochód z budynkiem to była ponoć ferma kurza trudno powiedzieć, a ja po prostu w GM zdjęcia kury i teraz tak to jest z bólem i z innymi systemami tego typu katalog mówiąc już szokujące zdjęcia jako szukają tych zdjęć i co zrobić, by się nie dostawali takich idiotycznych trafi to jeszcze może dorzuca od siebie, ale szukam ostatnio w moich własnych zdjęciach go na Google fotos z lasu chciałbym, żeby takie taka informacja się przebiła przez gąszcz rozmaitych drze w my, owszem, dostał bardzo dużo zdjęć z lasem RM oraz zdjęcia kwiatów doniczkowych również na parapecie co było dosyć ciekawym wynikiem i być może ma to coś wspólnego oraz z pytaniem, które zadał piątek tak oczywiście, dlatego że Google używa różnych algorytmów do wyszukiwania czy prezentowania zdjęć i takie najprostsze algorytmy maszynerii kursy nawet jeszcze prostsze niż maślanym oto wyszukują po prostu po tym, jak jest zdjęcie podpisane dlatego pewnie ta ferma kurza wyskoczyła, czyli jak szukasz kury natomiast co do Google fotosy albo bardziej złożonych algorytmów na to już się one próbują, starając się wyszukiwać 3 konkretne zdjęcia po tym, jak one wyglądają czy tak jak my patrzymy na zdjęcie kuratora co najczęściej można powiedzieć, że to jest właśnie kurator już jest jasna w skład najczęściej na ślad za legalizacją komplikacja, bo zdjęcie psa i kury na znak, że na 1 zdjęciu mam psa i aurę i teraz właśnie to ogarnąć to jest już większy problem, dlatego że taki algorytm musi je odróżnić od siebie, czyli to jest lokalizacja obiektów na obrazku i takie proste algorytmy nie rozróżniam tego co znaczy powiedzą to jest n p. w 60 % kura w 4 0 pies co ciekawe zwierze było ich fachowcem, ale jak dla mnie i tak el niesamowitą sprawą jest to, że maszyna może spojrzeć w cudzysłowie na jakieś materiały graficzne i rozpoznać na nich pewne obiekty, które my jako ludzie potrafimy rozpoznawać intuicyjnie też ludzie nauczeni tego od dzieciństwa natomiast jak to się dzieje, że maszyna jest w stanie rozpoznać coś na zasadach podobnych jak człowiek n p. uznać nawet taki kwiat doniczkowy za za drzewo w sumie no generalnie jest podobny do tego drzewa, ale też 3 latek się nie pomylił i nie powiedziała, że to jest las o 2 miliardy dolarów Google się myli no właśnie to znaczy wiadomo, że są takie rejsy z obrazków, kiedy my sami możemy się pomylić je rozróżnić n p. kota od psa teraz w ogóle wam pokażę takie obrazki, bo te są takie sieci neuronowe, które wytwarzają obrazki, które oszukują ludzi, bo są takie sieci neuronowe, które wytwarzają obrazki, które oszukują inne sieci neuronowe to też pewnie o tym, powiemy, ale też są takie, które ludzie oszukują i co do tego trzylatka na to pamiętajmy, że on ma już jakąś strukturę hal doboru muzyków prawda 3 w jaki sposób ma dłuższe połączenia neuronowe wykształcone już jak się rodzi, a też kształci się w toku tych 3 lat bardzo intensywnie interakcji z rodzicami n p . z otoczeniem natomiast taki jest taka maszyna musi mieć przede wszystkim oczywiście jakieś padła też czy po prostu musi być jakiś komputer, ale potem ten soft Power ten program, który jest tam zainstalowane musi być poustawiane w odpowiedni sposób czy też sieci neuronowe starają się sztuczne sieci neuronowe, starając się naśladować trochę mózg w taki sposób, że dzielą obraz n p . na kategorie 3 elementy poszczególne, czyli nie krzywizny, a potem idąc wyżej już jakieś konkretne obiekty n p . więc taki obraz doniczki NATO może ma pewne elementy cechy wspólne z lasem dlatego cenne obozowe na dole powyżej zielone, a jeszcze między zieloną rodzą takie cienkie n p. zatem cieszy to jest w sumie dosyć prosta zapięte na zapytanie, czyli pokaz las las natomiast spróbujcie sobie wpisać się takie słowa jak matka i w to jest ciekawe prawda, bo Google nie powinien znać naszych relacji raczej nie zna naszych relacji z osobami na zdjęciach, więc to co robić to często n p. pokazuje zdjęcie jak jeszcze czasy, gdy osoby dorosłej kobiety z dzieckiem jeśli mamy takie zdjęcia Nowaka test PW w stopniu logiczne i przewidywalne, bo zakładają, że nie zna też zna pewnie te nasze układy, bo w sumie do morza są dosyć koło brak śladów ochrona danych osobowych z różnych ostrych tematów z RODO, ale już w SLD członek kury jak powiem, że ma znaleźć URE to tak URE może stać bokiem i wyglądać wzorcowo, a może działo bać jak Platini widać głowy, a może n p. i widać ogony i zasad i UPR i generalnie gry gestykuluje nie bardzo właściwie chce tak obraża tu każdy z tych obrazów dla komputera jest już zupełnie inna, ale po podaniu fundamentalnie innych, a znów wraca do 3 latka nie będzie żadnych problemów teraz czy my próbujemy komputer nauczyć tak jak działa 3 latek czy wiemy właściwie działa w 3 latek jak to się dzieje, bo da się do reklamy do słów naszła taka efekt jest z umiarem relacyjny niesamowite, że po 1 zdjęciu Odrą 2 3 zdjęciach u 1 3 latek zaczyna jest w stanie zrobić taki trójwymiarowy model tej kury w swojej głowie, że z każdym z miłości rozpozna to znaczy myślę, że to parę zdjęć nie wystarczy dla trzylatka jeszcze jest pewnie także ten trzylatek pionierem był na wsi z rodzicami albo oglądał jakiś program z testami nie kontrolujemy dokładnie cel, czego ten trzylatek się uczy więc, a myślę, że dla mózgu nie wystarczy 3 obrazki, więc chyba, że znał n p. inne ptaki, a teraz mówią rodzice baszty skóra czy też tak, ale podobne trochę inny, więc sieci neuronowe trochę działają na podobnej zasadzie, a wracając jeszcze do tego twego pytanie czy wymiar 3 latek ciała to do końca na 100 % nie wiemy też znacznie wiemy jak ich 1 100 % mózg przetwarza informacje bo, gdybyśmy powiedzieli bardzo dobrze to już raczej dawno byśmy mieli takie komputery biologiczne nawet czy kwantowy, który odtwarzał do kład nie to samo natomiast wiemy jak mniej więcej nasz system poznawczy działa, więc możemy uczyć się ten też sieci neuronowe, żeby n p. rozpoznawały różne części kury i z jakimś z jakąś dozą prawdopodobieństwa mówiły, że to jest kura strój tylu procentach w różnych ustawieniach też nawet jeśli z góry nogami bokiem tak dalej ITS, a propos tego tematu to trochę wejdziemy w erotykę od kursu od 1 w zoo żelastwa Richard Freitag parę lat temu on jeszcze parę lat temu w oplu jeszcze chciał się pracować też podpisywał taki dokument czy zgadza się nabycie eksponowanym na materiały pornograficzne, dlatego że wielu technik programistów, którzy tam pracowali mieli za zadanie n p . z stworzyć taki program, który rozpoznawały osad nagiej osoby w internecie na stronie z filtrem seks teraz doszła nas, więc trzeba było wytworzyć ten filtr i na początku nie było naturalnie, więc to nie jest tak, że ktoś siedzi tam jakiś pan jakaś pani ani mozolnie klikają stres koło Uranii zostanie za to pieniądze tak nie jest w samochodzie, ale wydaje mi się że, żeby nauczyć czegokolwiek maszyny NATO trzeba ją zarzucić jakąś dużą ilością danych niska, za które z tych danych są właściwe, które nie wiadomo na myśli taki fajny projekt polskiej firmy, które miały na celu z rozliczeniem wielorybów bliska jest ich z tego co z MDDP przypomina mogą się mylić, ale które są bardzo rzadkie i naukowcy uczyli się na uczucie maszynę rozpoznawać te wieloryby po charakterystycznych wzorach na głowach właściwie można powiedzieć jest korzystna, korzystając z algorytmów rozpoznawania twarzy, czyli de facto na nie rozpoznawali wieloryby potwarzy tam też, że trzeba było bardzo dużo tych wieloryby ich twarzy użyć, żeby maszyny były w stanie się nauczyć dotąd twarzą jest AC OC nie jest tak, dlatego że na razie przynajmniej na skróty najskuteczniejszy algorytmy to są Super 2 i strażnik, ale korzystali takie algorytmy, które mają nadzorowane uczenia się czy n p. tonę dostają list ze zdjęć turystom podpisana Szkot to jest kot pies wieloryb jest osoba naga i t d . i potem na tej zasadzie jak dostanie takich zdjęć stawka 30  00 0 nawet miliony to jest w stanie wyszczególnić niż te cechy charakterystycznej rozpoznawać większym prawdopodobieństwem, że to i to jest na tym obrazku to samodzielnie czy w jakim stopniu się wskazuje na dnie albo o jej co by jak sobie próbuje kogoś gołego obrazić uwagę na dwóję w Lotos jest charakterystyczny gest, jaki w miarę przewidywalny kolor skóry no bo tych kolorów skóry u ludzi jest dość skończona gama jajka, jeżeli w jakimś Jerzy na tym obrazku przeważa ten kolor skóry to teraz, ale teraz znowu to może się w zbliżenie twarzy, a wraz z zarostem, gdzie tu jest dużo tego koloru, ale też jakiś inny element w co z tym zrobić jak zaradzić właśnie, bo dokładnie tak działa ten algorytm znaczy parę lat temu Google wydał nawet artykułów Andy Beckett PayPal czy znajdowanie nagich ludzi po prostu bardzo wprost i AM tam pokazywali w jaki sposób ten algorytm działa to znaczy na początku on znajduje różne krzywizny i linii prostej, a potem z nich tworzy n p. ręce nogi cały tułów to znaczy rozpoznajemy ręce nogi tułów i to co było istotne dla tego algorytmu to dość, że on miał przede wszystkim zwracać uwagę na kręgosłup i na pas bowiem, że w tych miejscach mniej więcej są newralgiczne elementy, które on miał wynajdywać i oznaczać Reiss i dawać ostrzeżenia na gołe stopy raczej nie szokują już działań było nie wywoła również nie do końca, tak więc z wychodząc z takich prostych elementów, które one były już zaprogramowane w nim masz zwracać uwagę NATO i na to on tworzył ręce nogi tułów i t d . a potem już dodawał kolejne elementy są n p. kolor skóry właśnie tak jak mówiłeś przed chwilą i łączył to w całości i oznaczał zdjęcia wiadomo, że czasami też jest to trudne, dlatego że no może być osoba, która jest zachowuje się nieprzyzwoicie, ale nie jest całkowicie roznegliżowana prawda, ale pewne części ma odsłonięte już do tego dochodzą fałszywe alarmy to znaczy mamy też fałszywie pozytywne to raczej na skład mamy zdjęcie parówek Helwetów w warunkach jako żywo przypominają barwne występy chciała zostać zwątpienia sfotografowane w i 2 takie parówki mogło zostać jak najbardziej uznane za fragment nagiej osoby i potem jest cel interwencji śmieje, że głupi mógłby nie potrafi rozpoznać taktykę zauważmy też stąd takie zdjęcia, które potrafią oszukać też nas to znaczy jak zrobimy zdjęcie nie wiem tej twarzy czy Brody tak jak mówiłeś to też da się wszystko tak ustawić się będzie wyglądał nieprzyzwoicie tak po pewnym bakiem swoją watahę ze 1 w internecie, żeby tworzyć fotografował jak różnie bonie przyzwoita trwałość nogi DAX jak twarz jak się patrzy na swoje nogi albo 2 parówki teraz garnitury, a ta rola listonosza poza tym to nie tym czasie wszystko kojarzy niech ludzie zachowujący, ale na początku lat powiedział o tym, że będzie nam pokazywał dziwne zdjęcia, które są tworzone przez systemy, które próbują oszukać nasze mózgi albo mózgi innych systemów jesteśmy w radiu, gdzie nie wszystko równie dobrze widać to mam pewną propozycję and proszę państwa proszę sobie przygotować dziś 1 komputer albo z Lars von Weizsäcker zabiera nas naszą stronę w ww crazy nauka pl i wpisać tam wyszukiwań w wyszukiwarkę głębokie uczenie maszynowe i tam wyskoczy artykuł, który o, którym będziemy mówić, o którym będą obrazki obiecywane przez Leona będziemy ich omawiania się w następnej części ING out nieprzyzwoite też się jak chcecie zostawił państwa albo godziny 12 4 0 z tą zagadką będzie Nicolas Cage, a tak o ciążach chcieliby do nich przebojach rodem z ochrony został kucharzem, więc widzisz ile Jan Ciechanowski z uniwersytetu SWPS i fundacji muzyka witamy ponownie w drugiej już część audycji Homo science Aleksandra Stanisławska Piotr Stanisławski Crazy nauka PL i to ważne jak wyznał kzn, dlaczego ostudzi nasz gość Leon Ciechanowski z uniwersytetu SWPS i fundację mózg dobry dlatego ważne, że kryminał karze, jeżeli państwo nie słuchali pierwszej części to jeszcze mają państwo moment na to, żeby otworzyć naszą stronę, czyli właśnie kryzys nauka i tam wyszukiwarkę wpisać głębokie uczenie maszynowe Glass oprócz takie hasło dzięki czemu trafią państwo na materiał, w którym słowo obraz ski, który za chwilę będzie mówić w ten sposób powiek postanowiliśmy ominąć to słabość Radia, które wciąż jeszcze nie najlepiej sobie radzić z wezwaniem obrazków i nie będziemy mówili szkoda, że państwo tego nie widzą mają zdecydowanie nie, więc zapraszamy tam, a w pierwszej części audycji właśnie mówiliśmy o tym, głębokim uczeniem maszynowym dotyczące szczególnie obrazów, czyli chodzi o to, żeby komputery 2 może być zrozumiały w jakim stopniu co widzą, że nie musiały n p. polegać tylko na tym co my im powiedzieliśmy, czyli że dany obrazek przedstawia to kury las albo coś innego go, żeby same potrafiły Noska po obejrzeniu bagatelka 30  00 0 kur stwierdzić, że na 30  000 pierwszym obrazku też jest albo nie jest kura, więc to jest ta cała sztuka uczenia głębokiego uczenia maszynowego teraz zaś dysponują państwo też to trochę pokazać tak, dlatego że to, o czym już mówiliśmy w pierwszej części to co tak naprawdę było trochę raczkowała nie w tych sieci neuronowych, czyli obecny to był taki i jedno latek dwulatek jak byśmy przełożyli na ludzi natomiast teraz też sieci stąd tak zaawansowane, zwłaszcza Maćka trenera lat wystawia Networks czy takie sieci, które same wytwarzają obrazki, ale też oceniają dodatkowo same i dzięki temu mogą je ulepszać, a od sieci wytwarzają oraz ich tak wejdę słowo, bo my karzemy po to, że kogoś oszukiwać się wzajemnie nas oszukiwała, że to jest bardzo dobre pytanie myślę, że jest z istotnej i to jest kwestia też ogromne etyczne, dlatego że teraz jest da się wytwarzać nie tylko statyczne obrazki i to dało się w sumie od lat, bo w Photoshopie służą one przecież od dziesiątków lat, a dorasta się wytwarzać już się wideo i dawka podstawiać czyjeś twarzy na twarz na twarzy innych, więc w przypadku filmów pornograficznych może być nie lada prok problemem prawda, że wielu relacji politycznych te dalej również dobrze, ale spróbujmy przejść do tego co obiecaliśmy, czyli tych obrazków, ale nie będzie pornograficznych radna niezrzeszona Jacyna-Witt PiS mając w dowolny w ale za to będzie Nicolas Cage, a moje Niemcy rynkowe lubią wszyscy słuchacze z drzew część słuchaczy na pewno go lubi starych to jest na pewno bardzo znany hollywoodzki aktor występujący w wielu produkcjach inwencja świetnych chwile rozmaitych taktyk i 1 z obrazków, który jest u was na stronie to on w ogóle jest częścią takiej sieci, gdy Flex, czyli głębokie uczenie maszynowe, który jest używany do tego, żeby właśnie tworzyć coś w rodzaju efekt newsów na razie przynajmniej jeszcze nie wykresów i tutaj widać n p. jak w filmie człowiek ze Stali, czyli o supermanie na twarz aktorki jest nałożona twarz Nicolasa Cage i w latach to fakt dziwnie, a jeszcze gorzej wygląda jak się rusza, bo tak jak mówiłem jeszcze algorytmy potrafią nakładać twarz naruszającego się aktora na dodatek ta twarz rusza dokładnie tak samo jak twarz aktorki, która gra to postać, a my tu zaczyna mieć go jest grą, bo sam obrazek no to powiedzmy sobie, że w przełajach i marnej znajomości Photoshopa w 1 5 minut bym zrobił krajobrazy tak dokładnie, ale tu rozumiem, że to nie jest 1 obrazek tylko 30 obrazków na sekundę, a w dodatku tak zrobionych że może żądać dowolnych materiał tak nie jest także w trakcie produkcji tego filmu człowiek ze Stali i w jaki sposób to manipulowane już na gotowym filmie, ale za działano tak też na kolejnym obrazku widzimy Nicolasa Cage, który z podłożonym jego twarz na twarz Harrisona forda w imię Indiana Jones to ktoś jest głęboki Szwejk tak są w ich twarze z ulgi na uraz psychiczny pozostaje liderem PGE GKS nałożona na twarz diody oraz na mona Liza tak dokładnie i oczywiście te są jeśli chodzi o te filmy no to ta twarz może się ruszać i wyobraź sobie, jaka jest teraz sytuacja, bo można nakładać twarz ruszającą się tak jak aktorka na dany film, czyli już gotowy materiał, ale też dosłownie w ostatnich miesiącach jest bardzo popularny wideo, gdzie informatyk mówi coś do kamery nagrywa sam siebie, a obok jest n p . z wywiadów z Obamą 3 z Bushem ciocia Bushem nad 1 i tak jak ten informatyk rusza ustami porusza się w ogóle wykonuje gesty to dokładnie tak samo porusza się Obama i burz wydzielanie to informatyk udaje Obamy czy busa tylko nie, jakby oraz tego twarzy i informatyka jest online zbierane przez kamery jest nakładany jest nakładana nie obraz tej twarzy tylko typ kolor same ruchy tego informatyka na Obamę czy w Busha, a nie jego twarz, czyli co to powoduje to torze jeszcze mamy teraz jakikolwiek materiał wideo w internecie czy właśnie z Janem i t d. różne wiadomości i mamy wiele zdjęć danej osoby, a Obama Bush mają wiele zdjęć z Katowic my, że teraz stała się już używać tych osób nagranych jako marionetki pewne czy mogą jeszcze poruszać tak jak my chcemy i ustami tak dalej, więc rywali i ja nagrywam siebie HR mówię n p . że uwielbiam jeść z pieśni i taki uwielbia Nikolasa KLM Nicolas Cage, a i teraz moja twarz zostaje tego może być połączona przez ten system z twarzą znanej osoby niech będzie Obama, a i przez to wygląda to tak w efekcie koncern jak Obama mówił, że lubi śliwki Nikolas takiej to tak często trudne do odróżnienia czy zaludnione wiarygodność warzywa na razie to mówimy o ruchu sama prawda, czyli wideo, ale ADO byli n p . pracuje nad takim systemem, który potrafi i analizować wypowiedzi różnych osób i podrabiać bardzo dokładnie ich głos i ten głos jest moim zdaniem nie do odróżnienia czy nie coś co możesz nagrać Obamy, który byłby śliwki Nicolasa Cage jako poruszał ustami mówiąc to, ale może stawić mu dźwięki wtedy on dostrzegł jego własnym domu razem jak będzie mówią, że on może to powiedzieć i teraz jeśli chodzi o wideo to jeśli to jest taka średnia jakość, a czasami też mamy średniej jakości na YouTubie n p. filmiki NATO to jest bardzo trudne do rozpoznania, że to nie jest Obama natomiast jeśli jest bardzo dobra jakość HD no to jednak cały czas widać tak jest powiedzmy wokół ust 3 jedno sta odczuł, więc to uda się rozpoznać w niej kwestia znowu górą u siebie na naszych, ale jak mówi BTE czy to znaczy, że w związku z tym jakikolwiek materiał filmowy przestają być wiarygodny jako dowód w sądzie ta może się tak okazale co jest bardzo dobre pytanie myślę, że etycy filozofowie prawnicy psychologowie powinni zacząć się zastanawiać jak z tym walczyć na informatyce sami, dlatego że być może z takimi frykasami wytworzonymi przez sieć euro nową będą walczyć inne sieci neuronowe n p. będą je rozpoznawać, a więc dojść wchodzimy w bardzo ciekawe czasy wojny światów w trochę namówić też o generowaniu celowym obrazków, które na samym początku dynamicznie i obrazki stroje generują sieci neuronowe podaż może szukać sieci neuronowe dały zarobić jakieś Incepcja wyższego poziomu trochę tak, dlatego że na kolejnym obrazku możemy zobaczyć czy autobus i teraz normalnie do sieci neuronowe, którą wyszkoliliśmy potrafi rozpoznawać autobusy powietrzne dzielona rozpozna, że to jest autobus, ale jeśli dodamy do tego z obrazka tzw. szum, czyli pewne i jakąś ilość pikseli w różnych kolorach w różnych miejscach i nałożymy też Sieczina ten obrazek w autobusu no to my jako ludzie nie mamy problemu z tym, żeby rozpoznać, że to jest cały czas autobus nie może tam smaki zaburzenia tego obrazu, ale minimalne natomiast taka sieci neuronowe zaczyna myśleć jeszcze taki obrazek autobusu to w rzeczywistości n p. w 80 % Stróż z KRUS w nowym, ale też, jakim cudem to mamy z tym materiałem naszym tekście mam zdjęcie autobusu mam później takie coś co wygląda jak eCall koło purpurowe Kasia i kolejny obrazek autobusu, który się właściwie niczym nie różni dla nas nie dla nas nie różnią dla sieci neuronowej coś co jest w tym hałasie w tym Henryka aż takiego może, że i sieci neuronowe głupie co tu się dzieje właściwie no to co robi się z zewnątrz przypomina strusia ten szlak woda jest to znaczy tam są jakieś kształty, więc jak byśmy starali się dopatrzeć to być może tam coś jest przypominający strusia i teraz z trudem musiałem coś ważnego dla nas ludzi prawda, ale to, bo trzeba też powiedzieć, że sztuczna inteligencja nie jest inteligencję mieście tak naprawdę nie działa tak jak my, dlatego że taki algorytm co robi on bierze obrazek autobusu i przerabia go na sieć pikseli na taki wektor pikseli wszystkich, które są na tym obrazku, a potem ten wektor przerabiana wartości liczbowe n p. w BIK SA Lu 1 1, czyli wywiad z lewym Górnym rogu to jest powiedzmy, że kolor czarny w celi to ma wartość liczbową znakomita ku potem kolejny plik Sarmata komitetom i teraz te piksele on za sobą waży i mówi że taka Itaka waga odpowiada n p. obrazkowej autobusu, a i tak jak mówiłem wcześniej na to też bardziej złożone sieci neuronowe one potrafią już składać też różne części obrazu czy n p. jest trzeba tu jest reflektory i t d . natomiast da się taką sieć oszukać właśnie, nakładając na nią na ten obrazek w taki szum teraz to co jest też ciekawe to jest taki trochę sportu już się w Śródce programistów, żeby zmienić tylko 1 piksel na obrazku i oszukać sieć już teraz co robić to znaczy dla nas jest kompletnie nie do odróżnienia obrazek natomiast sieci neuronowe zaczyna się już gubić w, a tutaj mamy sieć, która pomyliła autobus ze Stróż się to trochę jak mężczyzna, który po porwaniu kobiety z kapeluszem swoją żonę przepraszam przepraszam przepraszam, ale n p. sytuacja taka, żeby pomylić psa Scottem nie jest chyba bardzo trudna do wyobrażenia sobie nowe, zwłaszcza nawet w odniesieniu do człowieka w jakiejś sytuacji ma co dopiero w jeśli chodzi o sieci Neuron nową, która ma znacznie mniejsze wyobrażenie na temat tego jak i obydwa obiekty wyglądają poważnie to spójrzmy może na następny obrazek, bo to jest taki obrazek ona robi furorę teraz wśród tych specjalistów od maszyn e-learningu dlatego, że to jest obrazek wytworzone przez taką sieci neuronowe, która ma za zadanie szukać człowieka to znaczy tutaj na nim widzimy po lewej stronie kota, a po prawej stronie not trochę krucha opowiedzieć o psach właśnie, bo tutaj są cechy właśnie to co robi dla sieci neuronowe no to ona wyjmuje powiedzmy cech jest o z różnych obrazków kotów albo psów i nakłada je na swoją rozmowę nie tego czy Mieszko czy pies co mamy cechy psa nałożone na kota i teraz no nam jest trudno powiedzieć co to jest prawda, bo wygląda trochę jak kot trochę jak pies taka sieci neuronowe zależnie od tego ile prób, jaki procent tych cech jest nałożony na to powie, że te w tylu procentach to jest pies Raszka 60 w, żeby nie było, że się bowiem tylko obrazkami to o Niemczech czy zaczepić na sam koniec 1 trudny temat mianowicie o samochody autonomiczne, gdzie rozpoznawanie obrazu ma kluczowe znaczenie, dlatego że samochód z autonomicznym bez kierowcy jadący po drodze musimy to on nie działa na zasadzie oka jest przeszkoda tej gminy albo nie on musi podejmować mnóstwo decyzji w Polsce wyobrazić, że jak trudno jest rozróżnienie na skład Niewiem dziecka wbiegającego na 1 jezdnie od jej kłębów liści, które właśnie zostały rozwiane przez podmuch wiatru, zwłaszcza nocą, zwłaszcza nocą i teraz w przypadku dziecka trzeba hamować na Mazury po prostu jak radzić bez 3 mecze w przypadku liści Ależ to zlekceważyć, by pasażerowie w czasie przejazdu nim 200 m mieli 5 gwałtownych hamowań teraz takie rozpoznawanie złóż 2 zupełnie w czasie rzeczywistym no właśnie to po pierwsze to są kwestie życia i śmierci prawda, więc to jesteście tutaj ogromny problem i ta zdrada była butelka wypada całkiem niedawno jak samochód Ubera autonomiczne po prostu nie zahamował i rolę kobiety, przeprowadzając rower po prostu przejechał w tego też pamiętajmy, że sieć ma sygnować takiego uczesania nasze głębokiego to jest trochę w podobnej sytuacji do nas ma jakiś system kamer sensorów tak dalej i próbuje zbierać informacje o świecie tak jak my przecież nasze oczy i wiemy, że te sumy bardzo często mylimy się co do przetwarzania obrazu co też ma pociąga za sobą Quest konsekwencje właśnie takie w kwestiach tych życzeń śmierci i też wiemy o tym, że nie wie w ilości wypadków samochodowych czy śmierć z powodu wypadków samochodowych na tym chyba na trzecim miejscu czy w pierwszej dziesiątce na pewno jeśli chodzi o Konsek powodem śmierci i na pewno takie sytuacje, kiedy takie autonomiczne samochody prowadzą do wypadku leczył nawet uczestniczył w przypadku na to są głośne medialnie natomiast to są pojedyncze przypadki zupełnie wiadomo, że mniej tych samochodów jeździ, ale tak czy inaczej proporcjonalnie na to o wiele rzadziej one uczestniczą w wypadkach natomiast my ludzie z mierzymy się bardzo często, więc z 1 strony to jest pewne zagrożenie, że taka sieć też może się pomylić, a z drugiej strony no i tak jest o wiele lepsza niż człowiek pod względem prowadzenia pojazdów moim zdaniem, a dzisiaj naszym gościem był Leon Ciechanowski z uniwersytetu SWPS i fundacji Zwiń «

PODCASTY AUDYCJI: HOMO SCIENCE

Więcej podcastów tej audycji

REKLAMA

POPULARNE

REKLAMA

DOSTĘP PREMIUM

Dostęp Premium z 30% zniżką od serca. Pokochaj pakiet "Aplikacja i WWW". Słuchaj gdzie chcesz i jak chcesz.

KUP TERAZ 30% taniej

SERWIS INFORMACYJNY

REKLAMA
REKLAMA
REKLAMA
Przedłuż dostęp Premium taniej!