Képekké alakít mondatokat a Google mesterséges intelligenciája

A világ egyik vezető mesterségesintelligencia-műhelye, a Demis Hassabis irányította és néhány éve a Google által felvásárolt londoni DeepMind előremutató fejlesztéseivel, elsősorban a gobajnokokat agyonverő AlphaGo programmal hívta fel magára a nemzetközi figyelmet.

Ezúttal MI-jük más területen jeleskedik: inputként használt emberi mondatokat alakít át fotorealista képekké. Mesterséges intelligencia és képtechnológiák kéz a kézben fejlődnek, és e fejlődésben a már régóta nem csak keresőóriás kulcsszerepet játszik. Februárban a Google Brain tudósai PixelCNN gépükkel gyenge felbontású képeket változtattak kiváló minőségű nagyfelbontásúakká.

Most is ugyanezt a technológiát alkalmazták, és megállapították, hogy minél részletesebb egy mondat, minél leíróbbak a szavak, annál jobb az eredmény. A „sárga madár fekete fejjel és narancssárga csőrrel” inputra pontosan azt kapták, amit elmondtak a rendszernek.

Az algoritmus képgyűjteményből válogat, ismer fel kategóriákat, például madarak és emberek arcát, és hoz létre a tanuláshoz használtaktól jelentősen eltérő képeket.