Breaking

Jumat, 11 Mei 2018

Jaringan Adversarial Generatif, Sebuah Kemampuan Baru Kecerdasan Buatan




Generative Adversarial Network (GAN)

Kemampuan “Kecerdasan Buatan” atau “Artificial Intelligence” (AI) semakin berkembang dan maju dalam mengidentifikasi banyak hal. Perlihatkan/ tunjukkan sejuta gambar pada sebuah sistem Kecerdasan Buatan, dan dapat memberi tahu Anda dengan akurasi luar biasa yang menggambarkan pejalan kaki yang menyeberang jalan.

Salah satu kekurangan dari Kecerdasan Buatan adalah membuat imajinasi. Untuk menciptakan sesuatu yang benar-benar baru membutuhkan imajinasi — dan sampai sekarang hal ini yang belum mampu dilakukan oleh sistem AI.

Solusinya pertama kali dimunculkan atau digagas oleh Ian Goodfellow  dan seorang mahasiswa PhD di Universitas Montreal, pada sebuah diskusi akademis tidak resmi di sebuah bar pada tahun 2014. Pendekatan, yang dikenal sebagai generative adversarial network atau GAN, mengambil dua jaringan saraf — model matematika paling modern yang menyederhanakan model otak manusia yang mendukung pembelajaran mesin.

Kedua jaringan dilatih pada set data yang sama. Satu, yang dikenal sebagai generator, bertugas menciptakan variasi pada gambar yang sudah terlihat — mungkin gambar pejalan kaki dengan lengan tambahan. Yang kedua, yang dikenal sebagai diskriminator, diminta untuk mengidentifikasi apakah contoh yang dilihatnya seperti gambar yang telah dilatih atau bukan yang diproduksi oleh generator — misalnya, apakah orang dengan tiga tangan itu mungkin nyata?

Seiring waktu, generator bisa menjadi sangat baik dalam menghasilkan gambar sehingga para pembeda tidak dapat melihat mana yang asli dan mana yang tidak. Pada dasarnya, generator telah diajarkan untuk mengenali, dan kemudian menciptakan, gambar pejalan kaki yang tampak realistis.

Teknologi ini telah menjadi salah satu kemajuan paling menjanjikan dalam AI dalam dekade terakhir, mampu membantu mesin menghasilkan hasil yang bahkan menipu manusia.

GAN telah digunakan untuk menciptakan pidato palsu yang realistis dan fotorealistik. Dalam satu contoh yang menarik, para peneliti dari pembuat chip Nvidia membuat GAN dengan foto-foto selebriti untuk menciptakan ratusan wajah yang kredibel dari orang-orang yang tidak ada. Kelompok penelitian lain membuat lukisan palsu yang tidak meyakinkan yang terlihat seperti karya-karya van Gogh. Didorong lebih jauh, GAN dapat menata kembali citra dengan cara yang berbeda — membuat jalan yang cerah tampak bersalju, atau mengubah kuda menjadi zebra.

Hasilnya tidak selalu sempurna: GAN dapat memunculkan sepeda dengan dua set setang, katakanlah, atau wajah dengan alis di tempat yang salah. Tetapi karena gambar dan suara yang sangat realistis, beberapa pakar percaya ada perasaan di mana GAN mulai memahami struktur dasar dunia yang mereka lihat dan dengar. Dan itu berarti AI telah memperoleh kemampuan yang lebih independen untuk memahami apa yang dilihatnya di dunia disamping cikal bakal memunculkan imajinasi.


Tidak ada komentar:

Posting Komentar

close