Una rete neurale può imparare a organizzare il mondo che vede in concetti, proprio come facciamo noi

Gabriele Santiago | schizzare





I GAN, o reti generative contraddittorio, sono la stella dei social media degli algoritmi di intelligenza artificiale. Sono responsabili della creazione del primo dipinto AI mai venduto ad an asta d'arte e per facce di celebrità sovrapposte sui corpi delle pornostar. Funzionano mettendo due reti neurali l'una contro l'altra per creare output realistici basati su ciò che vengono alimentati. Dai da mangiare a un sacco di foto di cani e può creare cani completamente nuovi; nutrilo con molte facce e può creare nuove facce.

Per quanto siano bravi a causare danni, i ricercatori del MIT-IBM Watson AI Lab hanno realizzato che i GAN sono anche uno strumento potente: poiché dipingono ciò che stanno pensando, potrebbero fornire agli esseri umani informazioni su come le reti neurali imparano e ragionano. Questo è stato qualcosa che la più ampia comunità di ricerca ha cercato per molto tempo ed è diventato più importante con la nostra crescente dipendenza dagli algoritmi.

C'è la possibilità per noi di imparare ciò che una rete sa dal tentativo di ricreare il mondo visivo, afferma David Bau, uno studente di dottorato del MIT che ha lavorato al progetto.



Quindi i ricercatori hanno iniziato a sondare i meccanismi di apprendimento di un GAN alimentandolo con varie foto di paesaggi: alberi, erba, edifici e cielo. Volevano vedere se avrebbe imparato a organizzare i pixel in gruppi sensati senza che gli fosse detto esplicitamente come.

Incredibilmente, nel tempo, è successo. Accendendo e spegnendo vari neuroni e chiedendo al GAN ​​di dipingere ciò che pensava, i ricercatori hanno trovato distinti gruppi di neuroni che avevano imparato a rappresentare un albero, per esempio. Altri grappoli rappresentavano l'erba, mentre altri ancora rappresentavano muri o porte. In altre parole, era riuscito a raggruppare i pixel dell'albero con i pixel dell'albero e i pixel delle porte con i pixel delle porte indipendentemente da come questi oggetti cambiassero colore da foto a foto nel set di addestramento.

Il GAN ​​sa di non dipingere nessuna porta nel cielo. Laboratorio di informatica e intelligenza artificiale del MIT



Questi GAN stanno imparando concetti che ricordano molto da vicino i concetti a cui gli esseri umani hanno dato le parole, afferma Bau.

Non solo, ma il GAN ​​sembrava sapere che tipo di porta dipingere a seconda del tipo di muro raffigurato in un'immagine. Dipingerebbe una porta in stile georgiano su un edificio in mattoni con architettura georgiana o una porta di pietra su un edificio gotico. Ha anche rifiutato di dipingere le porte su un pezzo di cielo. Senza che gli fosse stato detto, il GAN ​​aveva in qualche modo colto alcune verità non dette sul mondo.

Questo è stato un grande rivelazione per il gruppo di ricerca. Ci sono alcuni aspetti del buon senso che stanno emergendo, dice Bau. Prima d'ora non era chiaro se esistesse un modo per imparare questo genere di cose [attraverso il deep learning]. Quello è è possible suggerisce che l'apprendimento profondo può avvicinarci a come funziona il nostro cervello di quanto pensassimo in precedenza, anche se non è ancora lontanamente vicino a qualsiasi forma di intelligenza a livello umano.



Secondo Bau, altri gruppi di ricerca hanno iniziato a trovare comportamenti di apprendimento simili nelle reti che gestiscono altri tipi di dati. Nella ricerca linguistica, ad esempio, le persone hanno trovato cluster di neuroni per parole plurali e pronomi di genere.

Essere in grado di identificare quali cluster corrispondono a quali concetti consente di controllare l'output della rete neurale. Il gruppo di Bau può attivare solo i neuroni dell'albero, ad esempio, per far dipingere gli alberi GAN, o attivare solo i neuroni della porta per farlo dipingere le porte. Allo stesso modo, le reti linguistiche possono essere manipolate per modificare il loro output, ad esempio per scambiare il genere dei pronomi durante la traduzione da una lingua all'altra. Stiamo iniziando a consentire a una persona di fare interventi per causare risultati diversi, afferma Bau.

Il team ha ora rilasciato un'app chiamata GANpaint che trasforma questa ritrovata capacità in uno strumento artistico. Ti consente di attivare specifici gruppi di neuroni per dipingere scene di edifici in campi erbosi con molte porte. Al di là della sua stupidità come sfogo giocoso, parla anche del maggiore potenziale di questa ricerca.

Il problema con l'IA è che chiedendole di svolgere un compito per te, gli dai un'enorme fiducia, dice Bau. Gli dai il tuo input, fa il suo pensiero 'geniale' e ti dà qualche output. Anche se avessi un esperto umano super intelligente, non è nemmeno così che vorresti lavorare con loro.

Con GANpaint, inizi a sollevare il coperchio della scatola nera e stabilisci una sorta di relazione. Puoi capire cosa succede se lo fai o cosa succede se lo fai, afferma Hendrik Strobelt, il creatore dell'app. Non appena puoi giocare con questa roba, guadagni più fiducia nelle sue capacità e anche nei suoi confini.

Una versione ridotta di questa storia è apparsa originariamente nella nostra newsletter AI The Algorithm. Per riceverlo direttamente nella tua casella di posta, iscriviti qui gratuitamente.

nascondere