Als je een artificieel neuraal netwerk de vrijheid geeft om een visueel kunstwerk te maken, wat krijg je dan? Het antwoord: psychedelisch gekleurde landschappen met hybride beesten en gemuteerde paarden. De afbeeldingen, die zowel prachtig als surrealistisch zijn, werden gemaakt door het neurale netwerk – een hoop statistische zelflerende modellen gebaseerd op biologische systemen – van Google. Het project dat afbeeldingen moet gaan herkennen wordt “Inceptionisme" genoemd.

Onderzoekers trainden het neurale netwerk om dieren en objecten te herkennen door miljoenen foto’s te laten zien. Het doel is uiteindelijk om het visuele systeem van een computer te leren om de verschillen tussen objecten te herkennen en afbeeldingen op dezelfde manier te interpreteren als mensen kunnen. Zo kan Google’s netwerk vormen ‘zien’ in afbeeldingen, op eenzelfde manier als wij dieren kunnen zien in bijvoorbeeld een wolk.

Afbeelding: Google Research

Het neurale netwerk is opgebouwd uit tien tot dertig lagen artificiële neuronen. De onderzoekers geven als input een afbeelding, waarna elke laag gaat communiceren met de volgende totdat het netwerk een antwoord produceert als output.

De eerste lagen van het netwerk identificeren redelijk simpele eigenschappen zoals randen of hoeken. Verder in de ketting worden individuele vormen zoals een blad of een raam geïnterpreteerd. De laatste lagen verwerken vervolgens de gecombineerde informatie zodat het netwerk zoiets complex als een boom of een huis kan bedenken.

“Een van de uitdagingen van neurale netwerken is het begrijpen van wat er precies gebeurt in elke laag," schrijven Google’s software ontwerpers op de blog van het bedrijf. “We weten dat na het trainen, elke laag steeds meer ingewikkelde kenmerken ontdekt totdat de laatste laag uiteindelijk bepaalt wat voor afbeelding het netwerk ziet"

De onderzoekers schrijven dat een van de manieren om te ontdekken hoe het netwerk dingen herkent is “het proces om te keren" en te kijken hoe het netwerk zelf een afbeelding visualiseert. “En daar kwam een verrassing bij kijken: neurale netwerken die waren getraind om verschillen te zien tussen afbeeldingen waren ook een staat nieuwe afbeeldingen te genereren," schrijven ze.

Ze vroegen het netwerk een interpretatie van een foto van antilopen te genereren door deze in de lagere lagen van het netwerk te stoppen. Als respons produceerde het netwerk afbeeldingen die handgeschilderd leken.

Afbeelding: Google Research

Zodra je afbeeldingen van wolken in hogere lagen van het netwerk stopt krijg je dit:

Afbeelding: Google Research

Hogere lagen van het neurale netwerk identificeren complexere eigenschappen in afbeeldingen, wat resulteert in meer ingewikkelde afbeeldingen. In dit geval voegden de onderzoekers op dezelfde manier afbeeldingen toe aan het netwerk maar gaven de specifieke opdracht dat “Wat je ook ziet, ik er meer van wil." Dit creëerde een feedbackloop, die simpele eigenschappen uitlichtte of er meer betekenis aan gaf. Als voorbeeld leggen de onderzoekers uit dat: “Als een wolk een beetje op een vogel lijkt, dan doet het netwerk de wolk meer op een vogel lijken. Dit zorgt er weer voor dat het netwerk nog sterker een vogel herkent, totdat er een gedetailleerde vogel uit het niets verschijnt."

Willekeurige afbeeldingen kunnen ook worden gebruikt om iets te produceren als hieronder:

Afbeelding: Google Research

Hier gebruikten de onderzoekers de hogere lagen die de randomness van afbeeldingen ontcijferden om iets complex en betoverends te maken.

Het neurale netwerk staat nog in zijn kinderschoenen. Toen de wetenschappers vroegen of het halters kon ontwerpen voegde het armen en gewicht samen.

Google gebruikt al kunstmatige intelligentie voor gezichtsherkenning en voor het verwerken van taal. De ontwikkelaars suggereren ook dat artiesten het netwerk kunnen gebruiken om hun visuele concepten aan te passen. In dat soort gevallen is de willekeurige halter-arm, bedacht door een machine, misschien wel een groter succes dan een verlies.