Вдохновение данными: технологии в творчестве |
||
|
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ Атаки на ИИ Внедрение ИИИИ теория Компьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Промпты. Генеративные запросы Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2019-06-19 09:00 В «Яндексе» с помощью алгоритмов записывают музыкальные альбомы, ученые из Google Brain создали программу для дорисовки нечетких фотографий, а нефтяники совместили науку и цифровое искусство. «Газпром нефть» научилась делать диджитал-арт по своим геологическим данным — речь идет про арт-проект «Трансформация», созданный компанией в коллаборации с диджитал-художником Максимом Жестковым. Совместную работу 17 инженеров и дизайнеров из России, Англии, Германии и Финляндии впервые показали на Петербургском международном экономическом форуме 6 июня. Авторы говорят, что все элементы внутри симуляции запрограммированы реагировать на виртуальные потоки ветра и даже изменение света. А сочетания цветов и форм объектов подобраны по аналогии с разноцветными геологическими моделями, которые создаются с помощью нейросетей для поиска нефти. Цифровая геологическая модель используется при подсчете запасов углеводородов на месторождениях и планировании оптимальных способов нефтедобычи. Это «виртуальный двойник» месторождения, который представляет собой объем геологических данных, разбитых дискретным образом на ячейки. У нас есть некоторый набор геологических данных — в каких-то ячейках (но не во всех) отмечено, что там залегает глина, вода, газ и так далее. Геологическая модель с помощью нейросетей, ансамблей решающих правил и регрессий позволяет заполнить пустые ячейки, дополнив неизвестные данные. При том, разумеется, количество известных ячеек и количество пустых различаются на многие порядки. Заполнить клетки данными помогает изучение проводимости вдоль и вглубь месторождения различных волн (например, акустических или электрических). Инженеры смотрят за отдачей, скоростью возвращения вибрации. У глины проводимость одна, у воды — другая, у известняка — третья. Далее нейросети на основе баз данных уже изученных геологических сочетаний находят закономерности и достраивают картину. Это легко перевести в визуальную картину: к примеру, голубым цветом можно подсветить воду, желтым — глину, серым — песчаник. Адаптированная цифровая модель в арт-проекте «Трансформация» тоже способна передавать всю сложность реальных физических явлений. В режиме метаморфоз она может устраивать бесконечный рендер явлений природы и материй — к примеру, превращать северное сияние в жидкий металл, а вихри ветра в разноцветные колосья травы.
«Искусственный интеллект многие до сих пор представляют по фильмам, где он был визуализирован с помощью компьютерной графики. Но это было значительное упрощение сложнейшего процесса. Сейчас цифровые инструменты позволяют без имитаций отразить явление с учетом всех реальных свойств. И нам удалось показать не просто технологии, а оригинальный взгляд на цифровую жизнь. Сложные системы, которые помогают добывать нефть в 21 веке, впервые преобразились в произведение современного искусства», — сказал об идее проекта член правления «Газпром нефти» Александр Дыбаль. Необходимые мощности для симуляции обеспечил специальный грид-кластер из 50 компьютеров. Основные вычисления происходили на видеокартах 2080Ti с технологией NVIDIA Turing. В общей сложности было задействовано около 650 000 CUDA ядер. Что касается программного обеспечения, то использовались собственные разработки для параметрического моделирования симуляций и Houdini. Для примера, сейсмический куб для самой начальной модели занимает 5-10 Гб, а для финального концепта таких моделей необходимо более 20. Программирование в основном ведется на Python и для разработки нейросетей чаще всего используется библиотека BatchFlow и Attention U-Net. Телеграм: t.me/ainewsline Источник: nplus1.ru Комментарии: |
|