Redes antagônicas geradoras

Redes antagônicas geradoras
Subclasse Rede neural artificial , modelo generativo
Inventor Ian Goodfellow ( em )
Descrito por Redes Adversárias Generativas ( d )

Em inteligência artificial , as redes opostas generativas ( redes adversárias gerativas em inglês ou Gans ) são uma classe de algoritmos para aprendizagem não supervisionada . Esses algoritmos foram introduzidos por Goodfellow et al. 2014 . Eles permitem que as imagens sejam geradas com alto grau de realismo.

Um GAN é um modelo generativo onde duas redes são colocadas em competição em um cenário de teoria dos jogos . A primeira rede é o gerador, ele gera uma amostra (por exemplo, uma imagem), enquanto seu oponente, o discriminador, tenta detectar se uma amostra é real ou se é o resultado do gerador. A aprendizagem pode ser modelada como um jogo de soma zero .

Aprender essas redes é difícil na prática, com problemas significativos de não convergência.

História

A invenção do conceito atual e sua realização em um protótipo ocorreu em Montreal, em 2014, durante um passeio em um restaurante, de Ian Goodfellow . Seus colegas doutorandos estavam comemorando seu diploma e pediram-lhe ajuda para resolver um problema de síntese de imagens.

Em arte

O coletivo de artistas francês Obvious usa GANs como ferramentas para a criação artística. Os GANs geram uma imagem fictícia a partir de uma seleção de imagens com características visuais comuns. Posteriormente, a imagem é aprimorada, redefinida para ser impressa. A assinatura de suas obras é caracterizada por uma fórmula matemática que indica a colaboração entre a tecnologia (associada à inteligência artificial) e o processo artístico humano. Uma de suas obras, intitulada Retrato de Edmond de Belamy , possivelmente em homenagem a Ian Goodfellow (cujo nome pode ser traduzido como "Bom amigo"), foi vendida por $ 432.500  emoutubro de 2018. O diretor do Institut des Carrières Artistiques (ICART) na França, Nicolas Laugero Lasserre , comenta: “Suas criações, uma espécie de colaboração entre humanos e inteligência artificial, marcam uma ruptura e uma consciência na história. Arte. "

No Japão, a empresa DataGrid usa redes antagonistas generativas para gerar imagens de corpos humanos inteiros.

Na Espanha, o artista e programador Mario Klingemann também usa GANs em seu processo de criação artística com seu projeto My Artificial Muse.

O grupo alemão Lindemann usa GANs para o videoclipe Ich weiß es nicht.

O uso desses algoritmos na arte pode ser associado a um movimento denominado "GANismo".

Para pesquisa

Na Rússia, o Instituto de Física e Tecnologia de Moscou está desenvolvendo GANs que seriam capazes de descobrir novas estruturas moleculares no contexto da pesquisa farmacêutica. Eles seriam usados ​​para aproveitar ao máximo as propriedades específicas das moléculas usadas na fabricação de medicamentos. A existência dessa tecnologia pode economizar tempo e custos de pesquisa e melhorar a eficácia ou reduzir os efeitos colaterais de certos medicamentos, como a aspirina. Em princípio, as informações sobre compostos com propriedades medicinais reconhecidas são integradas ao Generative Adversarial Autoencoder, uma extensão do GAN, ajustado para trazer os mesmos dados.

Artur Kadurin, programador do grupo Mail.ru e consultor independente da Insilico Medecine, uma empresa americana, anuncia que: “Os GANs são realmente a linha de frente da neurociência. É claro que eles podem ser usados ​​para uma gama mais ampla de tarefas do que a geração de imagens e música. Testamos essa abordagem com bioinformática e obtivemos excelentes resultados. "

No entanto, embora tenha havido progresso no aprendizado desses GANs e que eles possam fornecer uma melhor compreensão em biologia e química, seu uso em ensaios clínicos ainda não é confiável.

Notas e referências

  1. Goodfellow, Bengio e Courville 2016 , p.  690.
  2. Goodfellow, Bengio e Courville 2016 , p.  696.
  3. Steven Van Vaerenbergh , "  Ian Goodfellow: Generative Adversarial Networks (NIPS 2016 tutorial)  " ,18 de janeiro de 2018(acessado em 21 de junho de 2019 ) .
  4. (en-US) Martin Giles , “  The GANfather: The man who's dado às máquinas o dom da imaginação  ” , no MIT Technology Review (acessado em 21 de junho de 2019 ) .
  5. (em) "  About Us - Obvious Art  " on binary-art.com (acessado em 24 de novembro de 2018 )
  6. Christine Simeone , "  A primeira obra de arte de inteligência artificial vendida em Christies  " ,16 de outubro de 2018(acessado em 24 de novembro de 2018 )
  7. "  Novas tecnologias - Arte feita por inteligência artificial é um sucesso na Christie's  ", RFI ,4 de novembro de 2018( leia online , consultado em 24 de novembro de 2018 )
  8. "  A tabela criada pelo algoritmo de preço de US $ 432.500: uma venda histórico para o coletivo francês Óbvio"  ", DNA ,26 de outubro de 2018( leia online , consultado em 24 de novembro de 2018 ).
  9. Bill Fassinou, "  An AI Generates Full Body Images of People Who Do Not Exist: With Photorealistic Models and Outfits  " , em https://intelligence-artificielle.developpez.com/ ,2 de maio de 2019(acessado em 10 de maio de 2019 ) .
  10. Mario Klingemann , "  Portrait generation ChainGAN  " ,2 de julho de 2017(acessado em 24 de novembro de 2018 )
  11. "  LINDEMANN - Ich weiß es nicht (Official AI-Video)  " (acessado em 20 de outubro de 2019 )
  12. (em) "  Rede neural aprende a selecionar drogas anticâncer em potencial - Instituto de Física e Tecnologia de Moscou  " , em mipt.ru (acessado em 24 de novembro de 2018 )
  13. Artur Kadurin , Alexander Aliper , Andrey Kazennov e Polina Mamoshina , “  A cornucópia de leads significativos: Aplicando autoencoders profundos adversários para o desenvolvimento de novas moléculas em oncologia  ”, Oncotarget , vol.  8, n S  7,22 de dezembro de 2016( ISSN  1949-2553 , ler online , consultado em 24 de novembro de 2018 )
  14. Alex Zhavoronkov , “  Artificial Intelligence for Drug Discovery, Biomarker Development, and Generation of Novel Chemistry  ”, Molecular Pharmaceutics , vol.  15, n o  10,outubro de 2018, p.  4311-4313 ( ISSN  1543-8384 e 1543-8392 , DOI  10.1021 / acs.molpharmaceut.8b00930 , lido online , acessado em 24 de novembro de 2018 ).

Bibliografia

Documento usado para escrever o artigo : documento usado como fonte para este artigo.