Kunstig intelligens (AI) forsøgte for nylig at generere kattefotos fra bunden, og resultaterne var kat-astrofiske.
Dette særlige neurale netværk (en type AI, der er modelleret efter arbejdet i den menneskelige hjerne) kan producere forbløffende realistiske originale fotos af menneskelige ansigter. Faktisk var billederne af disse sammensatte mennesker næsten umulige for menneskelige seere at skelne fra fotos af virkelige mennesker, rapporterede programmerere af AI i en undersøgelse, der blev sendt ud december 2018 til det fortrykte tidsskrift arXiv.
Felines viste sig imidlertid at være en anden historie. Den samme algoritme, der frembragte fejlfri menneskelige ansigter, skabte katte med misshapne hoveder; det forkerte antal øjne og ben; og kroppe, der var for lange, for korte, usædvanligt rotede eller rektangulære og bøjede ved særlige vinkler.
AI-motoren, der producerede de uhyggelige kattefotos, er det, der er kendt som "en stilbaseret generatorarkitektur til generative modstandernetværk" eller StyleGAN. Netværk som disse er "modstridende", fordi to modeller fungerer samtidig: Den ene genererer billeder, og den anden evaluerer resultaterne mod fotos i et træningsdatasæt, så netværket lærer af sine fejl og forbedrer dets ydeevne, siger undersøgelsen.
For at AI kunne producere naturtro menneskelige billeder, måtte det først "lære", hvordan menneskelige ansigter så ud fra eksisterende fotos. Algoritmen brækkede ansigterne ned i en tjekliste over stilfunktioner, såsom hovedposition; køn; hudfarve; hår tekstur og stil; og formen på øjne, næse og mund, rapporterede forskerne.
Når StyleGAN var i stand til at genkende alle disse elementer - uden menneskelig tilsyn - lærte den at samle dem uafhængigt for at generere et splinternyt, fotorealistisk menneskeligt ansigt. Forskerne afviste en anmodning om samtale, men forklarede deres proces i en video, der blev sendt til Youtube den 12. december, 2018.
Så hvorfor kunne StyleGAN ikke oprette sjovt realistiske kattefotos? Algoritmen gjorde sit bedste med det, den havde at arbejde med - og når det kom til katte, var de tusinder af referencebilleder, den brugte, mindre end ideelle, sagde Janelle Shane, en forsker, der træner neurale netværk, men ikke var involveret i undersøgelse, fortalte Live Science.
Shane skrev om de bisarre katte den 7. februar på sin blog AI Weirdness. I modsætning til StyleGANs fotodatasæt af menneskelige ansigter - i hvilke kroppe og baggrunde blev beskåret og hovedpositionerne lignede hinanden - varierede kattebillederne i datasættet vildt. Samlingen inkluderer nærbilleder og brede skud af katte i en række indstillinger og på forskellige baggrunde. Nogle fotos viste en kat, nogle inkluderede flere katte, og andre inkluderede også mennesker.
"Der er kobber på hovedet; der er katte, der er krøllet op i en bold; deres øjne er åbne; deres øjne er lukkede. Du kan bestemt se, at deres inputdata er lidt støjende - og ved støjende, mener jeg, der er ting derinde det er ikke kun et billede af en kat, ”sagde Shane.
Så vær ikke for hård mod StyleGan for dets forfærdelige menageri af mareridtkatte.
"Der sker meget mere, som algoritmen skal lære," tilføjede Shane.
Modstridende visuelle signaler gjorde det svært for StyleGAN at lære, hvordan en rigtig kat skulle se ud. Og neurale netværk har ikke den virkelige verden kontekst for de oplysninger, de får; alt hvad de ved, er hvad der findes i deres datasæt. StyleGAN lærte nok fra referencefotografierne til nøjagtigt at gengive detaljer og strukturer i små målestok, som en kattepels eller formen af et katteør. Men programmet kæmpede tydeligvis med at sætte hele katten sammen, sagde Shane.
"Det neurale netværk forstår ikke, hvordan katte fungerer. Det forstår ikke, hvor mange ben de har. Det er ikke rigtigt klart, hvor mange øjne de har, eller hvor alle deres anatomi går," fortalte hun Live Science.
Se flere af StyleGANs forstyrrende kattefotos, næsten perfekte menneskelige billeder og andre projektfiler på udviklingsplatformen GitHub.
