Kunt AI helpen verkiezingen?
Tonya Hall gesprekken met Dr. Cesar Hidalgo, directeur van MIT ‘ s collectief leren van de groep, om te praten over hoe de AI heeft de potentie om het verbeteren van de verkiezingen.
Koken en vergt geduld, tijd, oefening en vaardigheid, en dus is het mogelijk om de machine om te doen wat professionele menselijke chef jaar te perfectioneren?
Volgens nieuw onderzoek van MIT, misschien zo.
Een nieuwe studie in diepe neurale netwerken, met de titel “Hoe om een pizza te maken: het Leren van een compositorische van laag-gebaseerde GAN model” en onlangs gepubliceerd op arxiv.org (.PDF), onderzoekt hoe de machine learning kan worden gebruikt om te zetten in een enkel beeld van een gerecht in een stap-voor-stap handleiding over hoe om het te maken.
De PizzaGAN project wordt beschreven als een experiment in het lesgeven van een machine om een pizza te maken door het herkennen van aspecten van het koken, zoals het optellen en aftrekken van ingrediënten of het koken van de schotel.
De Generatieve Tegenspraak Netwerk (GAN) diep leren model is getraind op het herkennen van deze verschillende stappen en objecten, en door dit te doen, is in staat om een enkel beeld van een pizza, ontleden en schil naast elk object of wijzigen van ‘laag’ en opnieuw een stap-voor-stap gids om te koken.
MIT
“Alleen gegeven zwak imago-niveau toezicht, de exploitanten zijn opgeleid voor het genereren van een visuele laag die moet worden toegevoegd aan of verwijderd uit het bestaande beeld,” het onderzoek van papier legt. “Het voorgestelde model is in staat om te ontleden een afbeelding in een geordende volgorde van de lagen door het toepassen van achtereenvolgens in de juiste volgorde de bijbehorende verwijderen van modules.”
Zie ook: MIT onthult die zelf-rijdende auto ‘ s moet doden: De kat, de ouderen, of de baby?
Voor het opsplitsen van een pizza, je moet stappen, zoals het uitrollen van het deeg, het toevoegen van een saus, kaas, en vervolgens het toevoegen of verwijderen van verschillende toppings.
Als elke taak is voltooid, wordt de visual van een pizza zal veranderen, en als de foto ‘ s van elke stap worden ingevoerd in het neurale netwerk, kan de machine begint met het herkennen en sluit elke procedure tot het afgewerkte product.
De pizza dataset in de eerste fase bestond uit ongeveer 5,500 beelden, die alle synthetische en gemaakt in een clipart stijl. Het team achter het onderzoek zeggen dat deze methode bespaart tijd en stond hen te scheiden van de toppings van de basis voor verbeterde resultaten in het neurale netwerk.
MIT
CNET: Volvo Groep en Nvidia team tot het produceren van een AI-platform voor autonome trucks
Zodra de synthetische afbeeldingen is toegevoegd aan de dataset, het team vervolgens de machine met een extra 9,213 “echte” pizza beelden geoogst van het web. In totaal werden 12 toppings werden ook toegevoegd aan de dataset, inclusief foto ‘ s van rucola, spek, broccoli, maïs, basilicum, champignons en olijven.
“Gezien een test beeld, het door ons voorgestelde model detecteert eerste de toppings die in de pizza (indeling), de” het team zegt. “Dan voorspellen we de diepte van de volgorde van de ingrediënten in zoals ze verschijnen in het beeld van boven naar beneden (het bestellen van).”
Wanneer een afbeelding van een enkele ingang pizza, PizzaGAN was vervolgens in staat om te voorspellen en het maken van een stap-voor-stap gids voor pizza-creatie als output.
Zo ver, PizzaGAN is er in geslaagd deze taak met een sterke mate van nauwkeurigheid, hoewel begrijpelijk, de hoogste nauwkeurigheid resultaten waren van het synthetische beeld dataset.
Het is een interessant project, waarvan de toepassingen die uiteindelijk zou kunnen gaan dan eten naar andere, meer waardevolle digitale systemen, zoals de onderzoekers wijzen.
TechRepublic: Hoe te ontsnappen mislukt virtuele machine implementatie
“Al hebben we geëvalueerd ons model slechts in het kader van de pizza, zijn we van mening dat een soortgelijke aanpak is veelbelovend voor de andere types van levensmiddelen die van nature gelaagd, zoals hamburgers, sandwiches en salades,” MIT zegt. “Het wordt interessant om te zien hoe het model presteert op domeinen zoals digitale fashion shopping-assistenten, waarbij een belangrijke werking is de virtuele combinatie van verschillende lagen kleding.”
Vorige en aanverwante dekking
MIT snijdt de banden met Huawei, ZTE, cites van de federale onderzoeken
MIT kunt AI “synthetiseren” computer programma ‘ s om de steun van wetenschappers gegevens
MIT ten slotte geeft een naam aan de som van alle AI angsten
Een tip? Get in touch veilig via WhatsApp | Signaal op +447713 025 499, of over Keybase: charlie0
Verwante Onderwerpen:
Kunstmatige Intelligentie
CXO
Digitale Transformatie
Tech Industrie
Smart Cities
Cloud