Как сделать его открытым с помощью мультфильмов
Опубликованно 13.10.2017 23:26
Многие знают меня как графический автора продюсер прозы в СМИ, старший менеджер, пиарщик, и это правда, я это делал. Работал с международных торговых и многих промышленных марок, коммерческих банков, инвестиционных и страховых компаний.
У меня есть хобби — мультфильмы. В этом году моя команда проделали адаптации "Кобзарь". Мы получили зомби мульт ужасы. Так как анимация — это процесс трудоемкий, в процессе работы мне пришла в голову идея: нужно автоматизировать процесс, написать алгоритмы и обучения нейронной сети с использованием 3D-анимации. Немного истории
Нейронная сеть алгоритмы машина, в которой один пытается научить машину, чтобы воспроизвести нервную систему человека. Еще в 1940-50-х годов, ученые начали проявлять интерес к ним. Построен перцептронов на практике, в железе и с их помощью попытались воссоздать человеческий мозг, математические модели нейронов. Затем наступил "Ледниковый период" в 1970 году, их все забыли и переключились на фантастику в литературе и кино. В 1980-е годы снова вспомнили. И к концу 80-х годов начал экспериментировать и алгоритмы производства. Для обучения нейронной сети не работают, потому что не хватает мощности компьютера, данных и идей.
Нейронная сеть на практике
Нейронная сеть может быть описана как классификатор и метод декомпозиции информации, который действует не только в соответствии с заданным алгоритмом и формулами, а также на основе прошлого опыта.
Этакий ребенок, который каждый раз, когда он складывает головоломку, делая меньше ошибок.
Для обучения нейронной сети, что-то осознать, нужно предоставить в среднем 5 тысяч снимков одного объекта или субъекта. Каждый объект на изображении должны быть изложены и описаны: этот человек-кошка, это куб, а это собака в свитере. Только тогда нейросеть будет научиться различать зонтик от собаки, машину от человека, бутылка с мотоцикла. Существует парадокс в машинном обучении — люди учатся нейронной сети вручную, а людям свойственно ошибаться. Этот процесс является очень дорогостоящим и трудоемким. Нейронная сеть, обученная на применение синтетических данных моделей на реальных фото. Кто-то пытался учить автономных автомобилей внутри компьютерной игры ГТА. Но мы упростили этот процесс. Что мы придумали
Как и в мультфильме, мы выяснили, как автоматизировать эти процессы. Мы создали 3D-моделирования реальности и, благодаря этим моделям, обучения нейронной сети. Таким образом, наша конструкция позволяет добиться точности обучения сети, сводя к минимуму человеческий фактор.
Сеть обученной на синтетических данных, передача их на реальные. И этот процесс называется передача обучения (передаче знаний). Буквально 2 месяца назад нам удалось добиться высокого признания качества. Как это работает
Мы нашли людей, которые были полезны в нашем развитии — то есть, автоматизация розничной. Нашим первым клиентом была обширная сеть розничных и в розницу. Например, на полках в супермаркете огромное количество товаров. Но для того, чтобы помочь поставщикам контроль розницы, мы перевели ее в рисунке, обучая камеры, чтобы увидеть, что находится на этих полках. Мы "положили на полку" 3D-моделей в любом сочетании — это 1 млрд фотореалистичных изображений.
Если человек делал все вручную, потребовалось 120 миллионов человеко-часов.
В дополнение к автоматизации розничной торговли, наша разработка поможет вам протестировать препараты, потому что нейронная сеть может моделировать живой клетки. Или вы можете сделать обучение промышленных роботов и Дронов в виртуальных средах. Но во-первых, для осуществления этого процесса, мы задавались вопросом, где взять ресурсы для этого. Что мы сделали
Для существования Neuromation нужна Видеокарта. Многие видеокарты. Во-первых, все возможности для обучения, которые мы взяли для AmazonCloud и заплатили десятки тысяч долларов, за использование их услуг. Тогда мы решили купить свое оборудование, но столкнулся с удивительным феноменом. Оказалось, что Видеокарта, которая нам нужна процессоров-GPU для нейронных сетей, нужно для добычи, для добычи криптовалюты. Еще в мае, спекулянты продавали карточки втридорога. Мы искали их на всех рынках, но у нас есть слабая Видеокарта из США. Для шахтеров не угнаться — они фильтруют всю власть. И мы решили предложить им сделку. Мы подсчитали, сколько они зарабатывают, и оказалось, что одна фирма с шести карт получает 7-8 долларов в день (речь шла о сумме, которую мы заплатили Амазонки"). Мы пошли к шахтерам и попросил их сделать 10 $в день в криптовалюте. Буквально через день, мы попросили прислать адрес куда нести карту. Теперь мы сотрудничаем с большим количеством шахтеров, которые трудятся на благо человечества. Что получилось в итоге
Мы создали мост между шахтерами и учеными, приглашая их, чтобы заработать больше для вычислений. Через месяц у нас была тысяча карт, которые дают достаточно возможностей для экспериментов. Спустя два месяца, мы вместе с командой ученых подтвердили гипотезу о синтетических данных.
Теперь они говорят, что информация-это новая нефть, и нам удалось найти синтетическое масло.
Полезные вычисления являются гораздо более выгодными, чем для вычисления абстрактные алгоритмы в blockchain. Промышленность глубокого и машинного обучения готовы платить шахтерам больше, чем они зарабатывают на добыче криптовалюты.
Наше исследование показывает, что все это может быть сделано в будущем с двумя вещами — наш синтетический подход и невероятную силу, которая была в руках людей, страдающих от лихорадки криптовалюты.
Поэтому мы создали платформу для добычи знаний и объявила конкурс стартапов. Призы будут давать технологическая мощность, которая может тренировать нейронные сети.
Мы создали продукт с удобным интерфейсом, где любой человек, не разбирающийся в нюансах машинного обучения, может обучить нейронную сеть распознавать все, что можно под свою задачу.
Даже если у вас нет желания изменить мир, вы просто должны делать то, что вам нравится.
В моем случае, хобби мультфильмы, которые показывали, как можно обучить сеть с помощью 3D анимации.
Категория: Авто Украина
