آموزش هوش مصنوعی برای تولید ماسک‌های افریقایی
همه می‌دانیم هوش مصنوعی قادر به تولید انواع چهره‌ها و صورت‌های پر جنب و جوش امروزی است.
اما آیا هوش مصنوعی می‌تواند چهره افراد قبیله‌های قدیمی و تاریخی را هم طراحی و تولید کند؟ این سوالی است که ذهن «ویکتور دیبیا»، محقق تعاملات میان کامپیوتر و انسان از دانشگاه کارنگی ملون را به خود مشغول کرده بود.
این پژوهش‌گر دارد تلاش می‌کند هوش مصنوعی را آموزش دهد تا چهره‌هایی از طوایف و قبیله‌های افریقایی را طراحی کند.
دیبیا برای این منظور از نسل دوم پردازنده‌های TPU گوگل برای آموزش هوش مصنوعی و یادگیری آن با الگوریتم‌های یادگیری ماشینی استفاده می‌کند.
همین‌طور، او فریم‌ورک یادگیری ماشینی TensorFlow گوگل را انتخاب کرده است تا به generative adversarial network یا GAN برای در دسترس بودن دو شبکه عصبی برسد.
یک شبکه عصبی می‌تواند نمونه‌های اولیه را تولید کند و شبکه عصبی دیگر میان این نمونه‌ها تبعیض قائل می‌شود و آنها را از یکدیگر متمایز خواهد کرد.
شبکه‌های عصبی GAN توانایی تولید و پردازش تصاویر را دارند. پژوهش‌گر دانشگاه کارنگی ملون با استفاده از DCGAN توانسته تا کنون ۹۳۰۰ مدل چهره افریقایی متمایز از هم تولید کند.
حس هنر افریقایی
دو نسخه از این تصاویر در اندازه‌های 64×64 پیکسل و 128×128 پیکسل تولید می‌شود و با دستکاری الگوریتم‌ها می‌توان به نمونه‌های بیشتری دست یافت. عر عکس قابلیت تغییر و برش و تبدیل شدن به چهره دیگری را دارد.
دیبیا می‌گوید تصاویر در اندازه 64×64 پیکسل بهتر هستند. درحالی‌که به نظر می‌رسد تصاویر 128×128 پیکسل کیفیت بیشتری داشته و بزرگ‌تر هستند ولی رنجه رنجه شده و در عمل بی‌کیفیت نشان می‌دهند.
تصاویر تولید شده همگی کامل و بی‌نقص نیستند و برخی از تصاویر چهره‌ای نیمه از یک فرد افریقایی محلی را به نمایش می‌گذارند ولی ارزش مهم‌تر این تصاویر در طراحی المان‌های اختصاصی قبیله‌های افریقایی است.
هر فردی با مشاهده این تصویر سریعا می‌تواند بافت و احساس هنر طراحی چهره‌ها را درک کند و متوجه شود چهره فردی در افریقا است.
این محقق به همراه تیم‌اش هنوز می‌خواهند روی این سیستم هوش مصنوعی کار کنند با یادگیری ماشینی، تصاویر با کیفیت و بزرگ‌تری تولید کنند. این تصاویر باید آن‌قدر بزرگ و با کیفیت باشند که قابلیت استفاده در پروژه‌های دیگر را پیدا کنند.
