مرجع
آخر الزيارات

شبكة خصومية توليدية

977 كلمة•0 مشاهدة•🗒️ منذ يومين
باختصار: شبكات الخصومة التوليدية ( GAN ) أو الشبكات التوليدية التنافسية هي نوع من شبكات التعلم الآلي التي اخترعها إيان جودفيلو وزملاؤه في عام 2014. في هذه المقالة 8 أقسام: «يتم تدريب الشبكة التوليدية الخصومية على»، «مخاوف بشأن التطبيقات الضارة» و«طريقة» وغيرها.
المحتويات
  1. يتم تدريب الشبكة التوليدية الخصومية على
  2. مخاوف بشأن التطبيقات الضارة
  3. طريقة
  4. الموضة والفنون والإعلان
  5. علوم
  6. التطبيقات
  7. ألعاب إلكترونية
  8. تطبيقات متنوعة

قبل الخوض في التفاصيل، شبكات الخصومة التوليدية ( GAN ) أو الشبكات التوليدية التنافسية هي نوع من شبكات التعلم الآلي التي اخترعها إيان جودفيلو وزملاؤه في عام 2014. تتنافس شبكتان عصبيتان مع بعضهما في لعبة (بمعنى نظرية اللعبة ، غالبًا ولكن ليس دائمًا في شكل لعبة محصلتها صفر ) الهدف منها التدرب على إنشاء بيانات مفبركة مشابهة للبيانات الحقيقية، يصعب على مراقب بشري أو آلي التفريق بينهما. ونتناول فيما يلي مزيدًا من التفاصيل.

من جانب آخر، على الرغم من أنه تم اقتراحه في الأصل كشكل من أشكال النموذج التوليدي للتعلم غير الخاضع للرقابة ، فقد أثبتت شبكات GAN كذلك أنها مفيدة للتعلم شبه الخاضع للإشراف ، التعلم الخاضع للإشراف الكامل ، والتعلم المعزز . في ندوة عام 2016 ، وصف خبير الذكاء الاصطناعي يان لوكون شبكات GAN بأنها «أروع فكرة في ميدان التعلم الآلي في السنوات العشرين الماضية».

ومن ناحية أخرى، تتعلم هذه التقنية إنشاء بيانات جديدة بنفس الخصائص الإحصائية لمجموعة التدريب. مثلًا ، يمكن لـ GAN المُدرَّب على الصور الفوتوغرافية إنشاء صور جديدة تبدو حقيقية للمراقبين البشريين ، ولها الكثير من الخصائص الواقعية.

يتم تدريب الشبكة التوليدية الخصومية على

إضافةً إلى ذلك، أولا، يتم إنشاء حزمة من البيانات المفبركة من طرف الشبكة التوليدية

وعلى صعيد آخر، في خطوة ثالثة، يتم تدريب الشبكة التوليدية ذاتها على تحسين إنتاج بيانات مفبركة من أجل خداع الشبكة التمييزية

ومن جهة أخرى، لاحقًا، يتم إضافة هذه البيانات المفبركة إلى عدد مماثل من البيانات الحقيقية، و عرضها على الشبكة التمييزية للتدريب لهدف تقوية قدراتها على التفريق بين البيانات الحقيقية و المفبركة

في هذا الإطار، يتم برمجة عدد كبير من الأحقاب التدريبية إلى أن يصبح من الصعب على أي مراقب بشري التفريق بين البيانات الحقيقية و البيانات المفبركة من طرف الشبكة

علاوةً على ذلك، و يتم لاحقًا إعادة هاته الخطوات الثلاث عددا من الأحقاب: تتحسن في كل حقبة قدرة الشبكة التمييزية على التفريق بين البيانات الحقيقية و المفبركة، و في نفس الوقت تتحسن قدرة الشبكة التوليدية على إنتاج بيانات مشابهة للبيانات الحقيقية تستطيع خداع الشبكة التمييزية.

مخاوف بشأن التطبيقات الضارة

كذلك، يدرس برنامج التحليل الجنائي للوسائط DARPA طرق مواجهة الوسائط المزيفة ، بما في ذلك الوسائط المزيفة التي يتم إنتاجها باستخدام GANs.

من جهة ثانية، وقد أثيرت مخاوف بشأن الاستخدام المحتمل لتجميع الصور البشرية القائمة على GAN لأغراض شريرة ، مثلًا ، لإنتاج صور ومقاطع فيديو مزيفة ، وربما لأهداف إجرامية. يمكن استخدام GANs لإنشاء صور ملف تعريف فريدة وواقعية للأشخاص غير الموجودين ، من أجل إنشاء ملفات تعريف وهمية لوسائل التواصل الاجتماعي بطريقة آلية.

ومن ناحية أخرى، في عام 2019 ، نظرت ولاية كاليفورنيا وأقرت في 3 أكتوبر 2019 مشروع القانون AB-602 ، الذي يحظر استخدام تقنيات تركيب الصور البشرية لإنتاج مواد إباحية مزيفة دون موافقة الأشخاص الذين تم تصويرهم ، مرسوم AB-730 ، والذي يحظر توزيع مقاطع الفيديو التي يتم التلاعب بها لمرشح سياسي في غضون 60 يومًا من الانتخابات. وقد قام بتأليف كلا المشروعين عضو الجمعية مارك برمان ووقعه الحاكم جافين نيوسوم . ستدخل القوانين حيز التنفيذ في سنة 2020.

طريقة

ومن جهة أخرى، بينما يكون دور الشبكة التمييزية، هو التمييز بين البيانات الحقيقية و البيانات المفبركة التي تنتجها الشبكة التوليدية

وفي هذا السياق، انطلاقا من مصفوفة من الأرقام العشوائية، تتولى الشبكة التوليدية إنشاء بيانات جديدة عبر عدد من التحويلات

وفي هذا السياق، تتكون شبكة الخصومة التوليدية من مكونين: شبكة توليدية و شبكة تمييزية

الموضة والفنون والإعلان

وفي السياق ذاته، يمكن استخدام GANs لإنشاء صور لنماذج الأزياء الخيالية ، دون الحاجة إلى استئجار عارض أزياء أو مصور فوتوغرافي أو فنان ماكياج أو الدفع مقابل الاستوديو والنقل. يمكن استخدام GANs لإنشاء حملات إعلانية للأزياء بما في ذلك مجموعات متنوعة من النماذج ، مما قد يزيد من الرغبة في الشراء بين الأشخاص الذين يشبهون النماذج. يمكن كذلك استخدام GANs لإنشاء صور شخصية ومناظر طبيعية وأغلفة ألبوم .

علوم

من جهة ثانية، يمكن لـ GANs تحسين الصور الفلكية ومحاكاة عدسة الجاذبية لأبحاث المادة المظلمة. تم استخدامها في عام 2019 لنمذجة توزيع المادة المظلمة بنجاح في اتجاه معين في الفضاء والتنبؤ بالعدسة الجاذبية التي ستحدث.

علاوةً على ذلك، تم اقتراح GANs كطريقة سريعة ودقيقة لنمذجة تشكيل نفاثات عالية الطاقة ونمذجة صبيب الجسيمات الدقيقة من خلال أجهزة قياس السعرات الحرارية للتجارب الفيزيائية عالية الطاقة . وقد تم تدريب GANs كذلك على إصدار تقريبات دقيقة لتجارب فيزياء الجسيمات. أظهرت التطبيقات في سياق تجارب CERN الحالية والمقترحة إمكانات هذه الأساليب لتسريع المحاكاة و / أو تحسين دقة المحاكاة.

التطبيقات

ازداد عدد تطبيقات GAN بصورة كبيرة في الآونة الأخيرة.

ألعاب إلكترونية

وفي هذا الصدد، من خلال التدريب المناسب ، توفر شبكات GAN مقاييس صورة أكثر وضوحًا و مادة ثنائية الأبعاد أعلى جودة من الصورة الأصلية ، مع الاحتفاظ تمامًا بمستوى التفاصيل والألوان وما إلى ذلك . تتضمن الأمثلة المعروفة لاستخدام GAN المكثف في الألعاب: Final Fantasy VIII وFinal Fantasy IX وResident Evil REmake HD Remaster و Max Payne .

من جانب آخر، في عام 2018 ، وصلت GANs إلى مجتمع تعديل ألعاب الفيديو ، كطريقة لرفع مستوى القوام ثنائي الأبعاد منخفض الدقة في ألعاب الفيديو القديمة عن طريق إعادة إنشائها بدقة دقة عرض 4 كيلو بكسل أو أعلى و القيام لاحقًا بعملية اختزال لاحترام القوام الأصلي للعبة.

تطبيقات متنوعة

وفي هذا الصدد، في سنة 2016 ، تم استخدام GANs لتوليد جزيئات جديدة لمجموعة متنوعة من أهداف البروتين المتورطة في السرطان والالتهاب والتليف. في عام 2019 ، تم التحقق من صحة الجزيئات المولدة من GAN تجريبًا على الفئران.

وفي هذا السياق، يمكن استخدام GAN للكشف عن صور مرض الزرق العيني التي تساعد على التشخيص المبكر وهو أمر ضروري لتجنب فقدان الرؤية الجزئي أو الكلي.

من جهة ثانية، يمكن استخدام GANs لتشييخ صور الوجه لإظهار كيف يمكن أن يتغير مظهر الفرد مع تقدم العمر.

كذلك، يمكن كذلك استخدام GANs لنقل أنماط الخريطة في رسم الخرائط أو زيادة صور التجوّل الافتراضي.

في هذا الإطار، يمكن لـ GANs إعادة بناء نماذج ثلاثية الأبعاد للكائنات من الصور ، وأنماط نماذج الحركة في الفيديو.

وفي هذا السياق، يمكن استخدام GANs التي تنتج الصور الواقعية لتصور التصميم الداخلي ، والتصميم الصناعي ، والأحذية ، الحقائب ، وعناصر الملابس أو عناصر لمشاهد ألعاب الكمبيوتر .   يتم استخدام هذا النوع من الشبكات من طرف Facebook .

من جهة ثانية، يتم استخدام مجموعة متنوعة من GANs في تدريب شبكة لتوليد مدخلات التحكم المثلى للأنظمة الديناميكية غير الخطية. حيث تُعرف الشبكة التمييزية بالناقد الذي يتحقق من أمثلية الحل وتعرف الشبكة التوليدية بالشبكة التكيفية التي تولد التحكم الأمثل. يتدرب كل من الشبكة النقدية والشبكة التكيفية على بعضهما لتقريب التحكم الأمثل غير الخطي.

تم استخدام GANs لتصور تأثير تغير المناخ.

إضافةً إلى ذلك، يمكن لنموذج GAN المسمى Speech2Face إعادة بناء صورة لوجه الشخص بعد الاستماع إلى صوته.

ما رأيك في هذه المقالة؟

📝 هل في هذه المقالة خطأ؟

إذا وجدت معلومة تحتاج تصحيحاً أو إضافة، أو أردت حذف المقالة، أرسل لنا طلباً وسنراجعه.