Давайте поговорим про FaceApp и про генеративные свёрточные нейронные сети.

Давайте поговорим про FaceApp ? и про генеративные свёрточные нейронные сети.

"— Поставил прогу, запустил омоложение, сравнил с фотками молодости и ничего похожего не нашёл! Залил фоки жены, омолодил и тоже ничего общего! Думаю что состаривание даёт тот же результат! Короче просто игрушка и не чего более!

— Понятное дело что просто игрушка. А вы планировали использовать прогу для каких то стратегических целей?)"

История началась года три назад, когда подруга Ярослава Гончарова, экс-программиста Яндекса и Microsoft, заявила, что у неё есть одна любимая фотография, но там не удалось вовремя улыбнуться. Поэтому, сделай что-нибудь, ты же мужчина!:)

Настоящий инженер мыслит в подобных случаях так: "I was too lazy to spend hours in Photoshop, and since I had background in deep learning, I decided to employ a generative deep neural network to do the job."

Была в то время кстати уже и Prisma, и ещё несколько других подобных сервисов, но фильтры у них работали довольно слабо.

"We use deep generative convolutional neural networks. This technology is quite mature for some tasks, such as artistic-style transfer or super-resolution, but has extreme challenges for photo-realistic tasks. I don’t think that there are currently any commercial products or research papers that can claim similar quality on such photo modifications."

Здесь надо отметить три момента.

1) Ну вот, просто взял и сделал уникальную топовую вещь, без какой-то цели захватить мир или заработать миллион — для одного человека. Это называется арт. Делаешь что-то красивое не для толпы (это уже будет искусство или бизнес), а для себя или небольшого круга заинтересованных. Иногда такие штуки мощно выстреливают, как в случае с FaceApp, но если такой условный успех сразу пытаться делать целью, ну практически точно ничего не выйдет.

2) Бэкграунд Ярослава. Вероятность, что ваш арт когда-нибудь выстрелит, будет отличаться от нуля только тогда, когда вы будете разбираться в computer science на уровне яндексовской ШАД например. А иначе, пожизненные веб-фреймворки и интернет-магазины.

"Хорошие возможности являются к нам в рабочем комбинезоне и с лопатой в руках" (с) Черчилль

То есть нужно хоть как-то быть в теме, чтобы выбрать подходящий инструмент. В данном случае это Deep Convolutional Generative Adversarial Networks (DCGAN), вот хорошие заметки, как с их помощью создают подобный компьютерный арт:

https://habr.com/ru/post/431614/

https://habr.com/ru/company/ods/blog/322514/

Как технически устроены подобные фильтры, можно почитать например тут:

https://arxiv.org/abs/1603.08155

https://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Gatys_Image_Style_Transfer_CVPR_2016_paper.pdf

https://code.fb.com/ml-applications/delivering-real-time-ai-in-the-palm-of-your-hand/

Причём это было ведь довольно давно по современным меркам темпов ИТ-развития, сколько нового с тех пор появилось.

3) Пока я вижу два интересных, действительно стоящих направления, которыми имеет смысл заниматься в сфере искусственного интеллекта. Точнее, стоящих направлений конечно много, но концентрироваться надо на каких-то единичных, чтобы не распылять и без того скоромные усилия.

Это во-первых, вот такой подобный арт, который всегда будет вызывать интерес своей необычностью — очень уж выхлоп FaceApp показателен. Ведь сервисов, которые хранят приватную инфу на заграничных серверах, российских или американских, китайских или индийских, многие тысячи и тысячи, однако самых топовых американских чинов зацепила именно невинная прога на нейросетках.

Вот полюбуйтесь, компьютерный артист из Стэнфордского универа:

https://github.com/robbiebarrat/art-DCGAN

И во-вторых, это различная интеллектуальная обработка и анализ исходников программ. Тут самые разные темки, от линтеров и поиска багов до рефакторинга и формальной верификации, поле не паханое.

Например, шикарный свежачок, автокомплит на глубоком обучении:

https://tabnine.com/blog/deep

Причём настраивается практически на любые языки, от python и java до c++ и haskell.

Вот на этих двух темах на моём новом курсе по искусственному интеллекту я и хочу делать акценты. Первое занятие кстати уже готово :) Ещё сделаю три, и первый месяц занятий можно запускать.

Занимаемся на PyTorch, потому что сам Андрей Карпатый (director of AI at Tesla, автор крутого курса по ML в Стэнфорде) ещё во времена, когда создавался FaceApp, говорил:

"I've been using PyTorch a few months now and I've never felt better. I have more energy. My skin is clearer. My eye sight has improved."

Комментарии: