40 گام به سوی آینده‌ای هوشمند - مجموعه وبینارهای رایگان در حوزه هوش مصنوعی
Filter by دسته‌ها
chatGTP
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
تیتر یک
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 یان گودفلو ؛ مردی که به کامپیوترها قدرت تخیل داد

یان گودفلو ؛ مردی که به کامپیوترها قدرت تخیل داد

در یکی از شب های سال ۲۰۱۴ که یان گودفلوبه مهمانی فارغ التحصیلی دوستش می‌رفت احتمالا نمی‌دانست این مهمانی ختم به یکی از شگرف ترین پیشرفت‌های یک دهه‌ی اخیر می‌شود. در آنجا بود که دوستانش از او برای کار روی یک پروژه کمک خواستند؛ پروژه‌ی ساخت کامپیوتری که می‌تواند خودش عکس تولید کند.

تصاویر زیر خلاصه‌ای است از آنچه که از آن شب به بعد اتفاق افتاد؛ یک تغییر فوق‌العاده در ساخت عکس به وسیله‌ی کامپیوتر.

یان گودفلو


اولین تصویری که با استفاده از کامپیوتر خلق شد میانگینی از چهره تمامی انسان‌ها بود. تنها می‌شد تشخیص داد که این تصویر متعلق به یک انسان است. شاید حتی به سختی می‌شد جنسیت آن را نیز مشخص کرد. اما به تصویر سمت راست نگاه کنید. به راحتی می‌توانیم خودمان را در حال مکالمه با این فرد تصور کنیم، حتی می‌توان حدس‌هایی در مورد نژاد او زد، در حالی که این زن وجود خارجی ندارد. این پیشرفتی بود که در کمتر از ۵ سال با استفاده از شبکه‌های مولد تخاصمی اتفاق افتاد؛ یکی از قدرتمندترین فناوری‌های یادگیری ماشین که محققان را قادر ساخته است تا با به کارگیری رایانه، از چهره انسان تصاویری ایجاد کند، که تشخیص آن از عکس یک انسان واقعی ممکن نباشد.

یان گودفلو یکی از جوان‌ترین و برجسته‌ترین محققان جهان است که مرزهای یادگیری عمیق را درنوردیده است. گودفلو تحصیلات و مهارت‌های این حیطه را تحت نظارت اندرو ان‌جی و یوشوا بنجیو از مشهورترین دانشمندان هوش مصنوعی آموخت و در سال ۲۰۱۹ با ۳۴ سال سن به فهرست ۴۰ زیر ۴۰ مجله فوربس راه پیدا کرد.

یان گودفلو در حال حاضر به عنوان مدیر یادگیری ماشین در گروه پروژه‌های ویژه اپل به فعالیت می‌پردازد و پیش از این از محققان ارشد گوگل و شرکت اوپن ای‌آی بود. تحقیقات یان گودفلو متمرکز بر حوزه شبکه‌های عصبی است و نقش بزرگی در گسترش نرم‌افزارهای هوش مصنوعی که مسئول تشخیص اشیا در تصاویر و درک زبان هستند داشته است. به عبارت دیگر کاربرد اصلی این شبکه در بینایی ماشین است. بهبود تصاویر، تولید محتوای تصویری و ویدیویی، ساخت آثار هنری، تشخیص صدا و بازشناسی گفتار برخی از کاربردهای GAN است.

آن سوی اختراع یان گودفلو

اما نگاهی بیندازیم به آن سوی تاریک اختراع یان گودفلو، یعنی ساخت ویدیوی جعلی. یکی از خروجی های بحث‌برانگیز شبکه‌های مولد تخاصمی، ساخت ویدیو با استفاده از دیپ فیک است. قضیه تا آنجا پیش می‌رود که از دیپ فیک  به عنوان یک سلاح نام برده می‌شود. سلاحی که می‌تواند با تولید اخبار جعلی از قیمت سهام گرفته تا انتخابات ریاست جمهوری را دستکاری کند و با تولید ویدیوها و تصاویر جعلی، زندگی افراد سرشناس را به حاشیه ببرد. پیش از اختراع شبکه مولد تخاصمی نیز قراردادن تصاویر افراد به جای همدیگر انجام می‌شد، اما این اختراع در این مورد وضع را بدتر کرد، البته بدتر برای قربانیان و بهتر برای افرادی که این کارها را انجام می‌دهند!

با این حال، هینی فرید از محققان برجسته آمریکایی در حال کار بر روی راه‌های بهتر برای شناسایی فیلم‌های جعلی است. مواقع دم و بازدم، تغییرات بسیار جزئی در چهره افراد رخ می‌دهد که شبکه‌های مولد تخاصمی به سختی می‌توانند این تغییرات را تشخیص دهند. این همان نقطه‌ای است که فرید می‌خواهد از آن استفاده کند. با این حال او هشدار می‌دهد که GAN ها سازگار خواهند شد و احتمالا در آینده بتوانند این تغییرات کوچک را نیز اعمال کنند. او می گوید: “ما اساساً در موقعیت ضعیفی قرار داریم.”

یان گودفلو از این خطرات آگاه است و تلاش می‌کند تا یادگیری ماشین را ایمن تر کند. با این وجود ، او می‌گوید ممکن است یک راه حل کاملاً تکنولوژیک برای جعل وجود نداشته باشد. در عوض، او معتقد است ، ما باید از موضوعات اجتماعی مانند ترغیب و آموزش کودکان به تفکر انتقادی استفاده کنیم تا در قالب بحث و گفتگو مسئولیت فردی را بالا ببریم.

میانگین امتیاز / ۵. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]