هل تريد أن تبدع دون أن تكون فناناً أو رساماً

اذا كنت تريد ان تبدع ، فإن الذكاء الاصطناعي يسهل عليك المهمة. انها شبكات الخصوصية التوليدية المعروفة بإختصار (GAN)، التي تتيح للمستخدم توليد صور جديدة غير موجودة سابقاً من صور حقيقية يتم زويدها للنموذج المعد مسبقاً. و تعد هذه الشبكة العصبية ثورة في عالم الذكاء الاصطناعي و رؤية الحاسوب. و منذ نشأت هذه التقنية، تم استخدامها في العديد من التطبقات منها الجيدة أو المخيفة.

هل تريد ان تبدع؟

اذا كنت مهتم بعرفة المزيد حول هذه التقنية، فتابع قرأة المقال، أو بإمكانك تجربة هذه الميزة لعمل تصميم أو صور خيالية من لاشيء.

شبكات الخصومة التوليدية 

تتكون شبكة الخصومة التوليدية من مكونين: الأول هو شبكة توليدية و الثاني من شبكة تمييزية، كما هو موضح بالشكل التالي. بينما يكون دور الشبكة التمييزية، هو التمييز بين البيانات الحقيقية و البيانات المفبركة التي تنتجها الشبكة التوليدية.

الشبكات التوليدية الخصومية هي نوع من شبكات التعلم الآلي التي تم طرحها بورقة عمل من إيان جودفيلو في عام 2014. تتنافس شبكتان عصبيتان مع بعضهما في لعبة، الهدف منها التدرب على إنشاء بيانات مفبركة مشابهة للبيانات الحقيقية. حيث يصعب على مراقب بشري أو آلي التفريق بينهما. تتعلم هذه التقنية إنشاء بيانات جديدة بنفس الخصائص الإحصائية لمجموعة التدريب. على سبيل المثال، يمكن لـ GAN المُدرَّب على الصور الفوتوغرافية إنشاء صور جديدة تبدو حقيقية للمراقبين البشريين، ولها العديد من الخصائص الواقعية. على الرغم من أنه تم اقتراحه في الأصل كشكل من أشكال النموذج التوليدي للتعلم غير الخاضع للرقابة، فقد أثبتت شبكات GAN أيضًا أنها مفيدة للتعلم شبه الخاضع للإشراف و التعلم الخاضع للإشراف الكامل  والتعلم المعزز .

تعد شبكات GAN من بين أكثر التقنيات إثارة التي تظهر من التعلم العميق. تتعلم هذه الشبكات بطريقة مختلفة تمامًا عن الطرق النموذجية الخاضعة للإشراف لتعلم تعيينات من دالة الى أخرى. من خلال وضع شبكة تمييز وشبكة مولدات ضد بعضها البعض. فإنها تنتج صورًا واقعية وبيانات تدريب طبي ورسوم توضيحية لكتب الأطفال وأنواع أخرى من الإخراج.

أوضح إيان في ندة عبر الانترنت من دييب ليرننج مؤخراً، أن الأمثلة التدريبية التي تم إنشاؤها بواسطة GAN لتطبيق معين في Apple. إنها تعادل خمسها مثل الأمثلة الحقيقية ولكنها تكلف أقل بكثير من الخمس. وصفت أنيما التقدم المثير في فك التشابك وكيف أن القدرة على عزل الأشياء في الصور تجعل من السهل التحكم في توليد الصو. مثل “أضف زوجًا من النظارات إلى هذا الوجه”. تحدث أليكسي عن تأثير شبكات GAN على الفن من خلال أدوات مثل التي تم طرحها سابقاً.