Сообщество - Искусственный интеллект
Добавить пост

Искусственный интеллект

328 постов 4 414 подписчиков
33

Анимированный Ленин

Балуюсь программой анимации фото и вспомнил о Ленине.

Анимированный Ленин Фотография, Анимация, Видео, Ленин, Нейронные сети, Нейросеть Deep nostalgia

и вот,  что получилось.

Обычный, нормальный мужик.


Программа здесь  https://www.myheritage.com/deep-nostalgia?lang=RU

Показать полностью 1
20

Нейросеть, генерирующую текст, уже можно опробовать в виде телеграм бота

Все мы наслышаны о том, что нейронные сети и искусственный интеллект все больше внедряются в нашу повседневную жизнь. Но может ли он заменить конкретный трудовой ресурс, например копирайтера, и можно ли опробовать его прямо сейчас? В этой небольшой статье я попробую ответить на эти вопросы.


Немного о нейросети, генерирующей текст

В нашей статье мы будем рассматривать нейросеть GPT-2 - лидера среди других генераторов. Если говорить на чистоту, уже есть GPT-3, но опробовать ее в деле может далеко не каждый: нужно оставить заявку, которую не факт что одобрят простому смертному, поэтому мы будем рассматривать именно GPT-2, которая есть в открытом доступе.

Нейросеть GPT-2 была обучена на огромном количестве текстовых данных. Самая большая версия этой сети имеет 1.5 миллиарда входных параметров.

Принцип работы: указываете тему либо какое-то введение для вашего текста, а нейросеть продолжает повествование на указанное количество символов. Если сделать все правильно, получившийся текст почти ничем не будет отличаться от написанного человеком.


Где можно опробовать ее возможности?

Хоть GPT-2 была опубликована достаточно давно, однако сервисов, предоставляющих возможность опробовать ее в деле простому пользователю, не так много.

DEEPAI(https://deepai.org/machine-learning-model/text-generator) - самый простой и наглядный вариант, пишите тему или фразу, а нейросеть делает свою работу, никаких настроек нет.

INFERKIT(https://inferkit.com/) - лидер по гибкой настройке среди всех, приведенных здесь сервисов, частично бесплатный.

ПОРФИРЬЕВИЧ(https://porfirevich.ru/) - единственный полностью русский вариант из приведенных, минусом является то, что нейросеть обучена на художественной литературе.

GETTEXTBOT(https://t.me/cool_textai_bot) - телеграм бот и, пожалуй, самый удобный ресурс: имеет встроенный переводчик на русский и примитивно понятный интерфейс, богат настройками.


Заключение

Из опыта использования подобного софта хочется сказать, что эта нейросеть скорее является генератором некого материала, нежели готового продукта. Так или иначе, над получившимся текстом нужно будет немного потрудиться и тут уже нужен человек. Плюс ко всему, нейросеть имеет хоть и очень большой объем данных у себя на вооружении, но человеку проигрывает: если человек чего-то не знает, он может найти эту информацию, проанализировать и выразить результаты своего умственного труда в виде текста, нейросеть же имеет ограниченное количество «знаний» и дообучать ее каждый раз — не совсем целесообразно. Пока подобные нейросети могут выступать лишь в роли помощников.


Автор - https://zen.yandex.ru/id/5ff448fd070f3b3f4934ee8c

42

Апскейл до FullHD первых серий One Piece, Shaman King, Spider-man, Batman

Товарищи видеоархеологи!


Проба пера в повышении качества видео. Начал с мультипликации. Часто слышал от товарищей, что первые серии Одного Куска смотреть невозможно - неудивительно, ведь начало выхода серий - 1998 год.
Кто-то скажет - "зачем повышать качество Шаман Кинга, ведь не так давно (2014г) был ремастер от создателя?". И я бы согласился, но душа требует, пускай и с цензурой, но российский дубляж.  Больно он хорош. Да и тайминги в новой версии сместились нещадно, как и заменились опеннинг и эндинг.

Человек паук (1992 год) - попал под раздачу случайно, хотелось понять, справится ли с ним "улучшатель".

Бетмен (1992год) - получился отлично, на мой взгляд.


ПО: Topaz Video Enchancer 1.9.0 - нейросети DioneTV, DioneDV.

В новой версии программы добавили три новые сетки, со вшитым повышением fps видео в два раза.

Артефакты показались только в Человеке-пауке, и то лишь в паре сцен.

Хотелось бы обратной связи.

Показать полностью 2
1477

Лекции по машинному обучению

Предлагаю вашему вниманию курс по машинному обучению и большим данным (2020 год). Курс готовился для студентов старших курсов технического ВУЗа, у которых машинное обучение не является основной дисциплиной. То есть курс больше обзорный, но требует знания математики и основ программирования. Специализация курса немного сдвинута в сторону микроэлектроники, поэтому некоторым низкоуровневым вещам уделено больше внимания, как например вычисление свёртки в деталях. Так же последняя лекция посвящена реализации нейронных сетей на аппаратном уровне. Надеюсь кому-то пригодится.

Лекции по машинному обучению Лекция, Машинное обучение, Большие данные, Нейронные сети, Видео, Длиннопост

Лекция 1 | Язык программирования Python и полезные модули

Лекция 2 | Введение в машинное обучение

Лекция 3 | Градиентный бустинг и другие методы для обработки табличных данных

Лекция 4 | Введение в нейронные сети

Лекция 5 | Свёрточные нейронные сети для работы с изображениями

Лекция 6 | Работа с текстовыми данными

Лекция 7 | Работа со звуковыми данными. Задачи Object Detection и Segmentation

Лекция 8 | Реализация нейронных сетей на аппаратном уровне

Плейлист со всеми лекциями: https://www.youtube.com/playlist?list=PLMyPRULSXkaWaJrQOWCBw...


К курсу так же прилагается 4 лабораторные работы, которые закрывают анализ основных типов больших данных: таблицы, изображения, текст и звук.


Лабораторная работа 1 (после 3 лекции):

https://www.kaggle.com/c/m-lab-1/


Лабораторная работа 2 (после 5 лекции):

https://www.kaggle.com/c/m-lab-2/


Лабораторная работа 3 (после 6 лекции):

https://www.kaggle.com/c/m-lab-3/


Лабораторная работа 4 (после 7 лекции):

https://www.kaggle.com/c/m-lab-4/

Показать полностью 7
46

Одна задача – три конвертера

Продолжаю работу над обучением нейросети распознавать сигнал электроэнцефалограммы для управления экзокистью при реабилитации детей с ДЦП.

Для создания нейроинтерфейса я использую платформу OpenVIBE, которая поддерживает LabStreamingLayer (LSL) - протокол для обмена потоковыми данными между приложениями - и содержит в себе драйвер нашей модели энцефалографа - NVX52. Это позволяет отправлять результаты ЭЭГ-съемки с энцефалографа сразу в поток LSL, который совмещает наши ЭЭГ с метками стимуляций – моментами, когда на экране человек, согласно сценарию OpenVIBE, видит стрелки влево и вправо и должен представлять соответствующие движения.

Но у OpenVIBE есть давняя, но до сих пор не решенная проблема - он не может нормально записывать сигналы в формате EDF+, то есть в формате ЭЭГ с указанными временными метками событий. Внутренний формат OpenVIBE OV или обычный текстовый формат CSV он сохраняет корректно, а файлы EDF+ в итоге получаются с нулевой длиной, он их не обрабатывает.

Поскольку разработчики OpenVIBE пока не предложили подходящего решения, пришлось вспомнить Java и написать конвертер самому.

Одна задача – три конвертера Нейронные сети, Конвертер, Программирование, ЭЭГ

Теперь можно удобно и быстро конвертировать файлы CSV to EDF+ с сохранением временных меток событий. Сейчас работаю над тем, чтобы на этапе конвертирования частотными фильтрами убирать помехи.

Это уже не первый конвертер, который мне пришлось написать самостоятельно для обработки научных данных. Во время предыдущего исследования мы работали на энцефалографе NVX52, который через программу ExoHead записывал данные в формате BCI собственной версии, который вообще ничем не читался. Пришлось сделать конвертер BCI to EDF+.

Ну и наконец, для облегчения работы с данными при обучении ИНС для распознавания различных состояний по сигналам ЭЭГ написал конвертер EDF-файлов в несколько форматов CSV: для Deeplearning4j, Keras и обратно в OpenVibe. Кроме того, конвертер умеет понижать частоту сигнала ЭЭГ, применять фильтры, убирать шумы. Для ускорения конвертации работает в 4 потока, задействуя 4 ядра процессора.

Одна задача – три конвертера Нейронные сети, Конвертер, Программирование, ЭЭГ

Все три программы будут выложены в свободном доступе.

Показать полностью 1
1179

Сочиняем музыку с помощью искуственного интеллекта: подражаем Бетховену и Моцарту и продлеваем тему Gravity Falls в восемь раз

Всем привет! Хочу рассказать про одно своё несерьёзное увлечение. Как известно, ИИ переживает сейчас самый бум и грозит автоматизировать примерно все профессии на планете. Наконец, он добрался и до креативных людей:

Сочиняем музыку с помощью искуственного интеллекта: подражаем Бетховену и Моцарту и продлеваем тему Gravity Falls в восемь раз Музыка, Искусственный интеллект, Gravity Falls, Моцарт, Людвиг Ван Бетховен, Видео, Длиннопост

Если серьёзно, то о шедеврах речь пока не идёт, но прототипы, существующие уже сейчас, впечатляют. Я использую модель MuseNet, разработанную компанией OpenAI, одним из основателей которой был Илон Маск. Если дать ей небольшой стартовый фрагмент, она пытается предсказать, что будет дальше, и таким образом «пишет» новую музыку в меру своего разумения. Важно отметить, что не используются никакие заданные алгоритмы или шаблоны сочинения, модель просто натренировали на огромном массиве существующих композиций в разных стилях и велели креативить исходя из этого.


Когда я узнал про эту разработку, то первым делом запихнул в модель тему мультсериала Gravity Falls. Его фанатам, к которым я отношусь, прекрасно известно, что главная тема крайне выразительна, но, к сожалению, очень коротка. С помощью MuseNet я продлил её до четырёх минут. На видео первые 30 секунд — это оригинальная тема, данная в качестве затравки, а после этого оно переходит в сочинительство машины:

Знатоки теории музыки, я уверен, найдут в результате множество неидеальностей и шероховатостей. Но лично у меня, который начинал знакомство с технологиями в начале века на четвёртом Пентиуме и диалапе, от таких результатов происходит отвал башки. Напомню, это прототип, технология даже ещё не отполирована.


Модель способна также работать вообще без шаблона, при этом можно выбрать стиль сочинения из небольшого списка вариантов. Я попросил модель сочинить что-то в стиле Бетховена, и с энной попытки получилось вот такое безумие:

Опять-таки — не идеально, но большинство людей даже с музыкальным образованием (включая меня) не смогли бы сочинить и такое. Забавно, что модель в целом имитирует стиль Бетховена, но при этом не ограничена соображениями вроде «у пианиста максимум 2 руки по 5 пальцев + в крайнем случае 1 нос», и если нужно для выразительности — фигачит аккорды по 20 нот.


И последнее, что я пока попробовал — это импровизация в стиле Моцарта. Получилось не так безумно, но тоже на мой вкус симпатично, и это даже, пожалуй, мог бы исполнить живой пианист (с некоторыми модификациями):

Если интересно, в следующих постах расскажу подробнее, как пишутся такие композиции (там всё чуть сложнее, чем просто нажать кнопочку «Сочини»), и покажу больше мелодий, когда они у меня будут.


А, ну и да. Если вы вместе со мной переживаете, что такими темпами ИИ оставит без работы вообще всех, то пусть Бендер попробует нас подбодрить:

Сочиняем музыку с помощью искуственного интеллекта: подражаем Бетховену и Моцарту и продлеваем тему Gravity Falls в восемь раз Музыка, Искусственный интеллект, Gravity Falls, Моцарт, Людвиг Ван Бетховен, Видео, Длиннопост
Показать полностью 1 3
9

Помощник копирайтера или полноценная замена ему: Telegram бот, генерирующий текст

В этой статье я познакомлю вас с ботом, работа которого основана на использовании нейросети, генерирующей текст, фишками и особенностями его использования, способами монетезации результата.


О боте


Как уже было сказано, бот — это, в действительности, обертка для удобного взаимодействия с нейросетью. Он может генерировать текст до 1000 символов на английском языке, также в нем реализованы настройки осмысленности и разнообразия для пущей функциональности. Большим плюсом является наличие встроенного переводчика на русский, что значительно облегчает нам работу.

Непосредственное использование

Переходим в бота и нажимаем на кнопку СТАРТ.

Мы попадаем в основное меню. Далее нужно нажать на кнопку Генерировать текст.

Указываем тему текста, разнообразие, осмысленность и немного ждём.

В конечном счёте, получаем сгенерированный текст.

Кнопка Русский - переводит текст на русский язык.

Кнопка English - возвращает исходный текст на английском языке.

Кнопка Продолжить генерацию - заставляет бота продолжать повествование темы.


Маленькие фишки и хитрости


Если вы хотите получить максимально точный и хороший по качеству результат, нужно руководствоваться некоторыми фишками. Например, вы можете найти статью на вашу тему в интернете, взять оттуда вводную часть, перевести ее на английский и использовать получившееся в качестве параметра темы в боте. Также не стоит забывать о конкретике при указании темы; допускается использование вопросов.


Заработок на тексте


Лично я вижу здесь два основных способа: продажа текста на биржах и публикация его на похожих сайтах за деньги.

5447

Найден способ уверенно распознавать дипфейки?

Современные нейросети умеют создавать настолько правдоподобные изображения, что их порой сложно отличить от реальных фотографий. Такие изображения, называемые дипфейками, могут быть любопытными и забавными, но лишь до тех пор, пока все понимают, что это подделка. Когда же кто-то пытается выдавать дипфейки за чистую монету, они становятся большой проблемой.

Найден способ уверенно распознавать дипфейки? Наука, Нейронные сети, Deepfake, Длиннопост

С их помощью можно нанести ущерб репутации, повлиять на общественное мнение и даже сфабриковать подложные доказательства для суда. Поэтому, как только появились нейросети, умеющие производить дипфейки, сразу началась разработка алгоритмов, которые были бы способны их распознавать.


Задача осложняется тем, что для создания дипфейков обычно используются генеративно-состязательные нейросети (Generative Adversarial Networks, GAN). Их работа изначально основана на противостоянии двух нейронных сетей, одна из которых генерирует картинки, а другая старается определить, настоящие они или нет. Обе эти сети обучены на больших массивах реальных фотографий. Если изображение выглядит неправдоподобно, вторая нейросеть заставляет первую изменять его до тех пор, пока оно не перестанет идентифицироваться как подделка.


Получается, что дипфейки изначально создаются такими, что существующие системы распознавания не могут уверенно отличить их от реальных фотографий. На сайте thispersondoesnotexist.com вы сами можете оценить, насколько правдоподобно выглядят сгенерированные нейросетью несуществующие люди.


Алгоритмы по распознаванию дипфейков обычно используют свёрточные нейронные сети, которые умеют выделять характерные признаки. Эти нейросети обучают на самих изображениях в явном виде, что требует много времени и ресурсов. Однако коллектив исследователей из Института информационной безопасности им. Хорста Гёрца при Рурском университете в Бохуме предложил более простое и изящное решение этой проблемы. Учёные решили подвергнуть изображения частотному анализу, использовав давно известный метод дискретного косинусного преобразования. Он применяется, например, в алгоритме сжатия JPEG. Изображение в этом случае рассматривается как результат наложения гармонических колебаний различной частоты, взятых с разными коэффициентами. Примерно так:

Найден способ уверенно распознавать дипфейки? Наука, Нейронные сети, Deepfake, Длиннопост

Эти коэффициенты можно визуализировать в виде прямоугольной тепловой карты, верхний левый угол которой соответствует низкочастотным областям исходного изображения, а нижний правый — высокочастотным. Реальные фотографии в основном состоят из низкочастотных колебаний.

Найден способ уверенно распознавать дипфейки? Наука, Нейронные сети, Deepfake, Длиннопост

Реальная фотография и её спектрограмма


Если же явные всплески наблюдаются в высокочастотной области, это может свидетельствовать о том, что изображение — подделка. А если они ещё и формируют регулярную структуру — тут как говорится, и к гадалке не ходи.

Найден способ уверенно распознавать дипфейки? Наука, Нейронные сети, Deepfake, Длиннопост

Дипфейк и его спектрограмма


Чтобы проверить эффективность предложенного подхода, учёные составили тестовую выборку из 10 000 изображений, куда вошли сгенерированные нейросетью StyleGAN портреты несуществующих людей и реальные фотографии из набора Flickr-Faces-HQ (FFHQ). Всё это можно найти на сайте whichfaceisreal.com. Успех был абсолютным: алгоритм распознал все дипфейки до единого!


Более того — выяснилось, что он с большой долей вероятности позволяет определить, с помощью какой именно нейросети было сгенерировано изображение. Дело в том, что каждая из них имеет свой «отпечаток» в частотном диапазоне.

Найден способ уверенно распознавать дипфейки? Наука, Нейронные сети, Deepfake, Длиннопост

Спектрограммы реальных фотографий из набора Stanford Dogs (слева) и изображений, сгенерированных нейросетями различных архитектур, которые были обучены на этом наборе (четыре справа). Усреднённые значения для 10 000 изображений


Откуда же берутся эти всплески в высокочастотных областях? Оказывается, что они неразрывно связаны с самим принципом действия генеративно-состязательных нейросетей. В основе их работы лежит процесс так называемого апсемплинга, то есть отображения данных из пространства низкой размерности в пространство высокой размерности. Например, сеть StyleGAN, создавшая все дипфейки с людьми из этого поста, формирует в пространстве данных изображение размером 1024 × 1024 пикселя (более миллиона значений) на основе вектора из скрытого пространства, имеющего размерность всего-навсего 100. Если же попытаться обойтись без апсемплинга, то объём вычислений, необходимых для генерации дипфейков, вырастет до астрономических величин.


В данной статье учёные подробно рассмотрели лишь один набор данных и одну архитектуру нейросети. Однако они утверждают, что предложенный метод универсален и будет работать не только для всех существующих сетей типа GAN, но и для тех, что появятся в будущем. Так ли это, станет ясно уже довольно скоро.


Источник


P. S. Это очередная новость с семинара «Актуальная наука» в Политехническом музее. Я буду стараться публиковать их каждую неделю.

Показать полностью 4
Мои подписки
Подписывайтесь на интересные вам теги, сообщества,
пользователей — и читайте персональное «Горячее».
Чтобы добавить подписку, нужно авторизоваться.
Отличная работа, все прочитано!