Myšlenka neurálních (nebo chcete-li neuronových) sítí jakožto typu počítačových modelů schopných učení pochází již ze 40. let minulého století. Modely se po celé 20. století postupně zlepšovaly a s nárůstem kapacity počítačové paměti a procesorového výkonu bylo možné vytvářet složitější sítě s více vrstvami a komplikovanější architekturou. Širokého praktického použití se neurální sítě ale dočkaly až ve zhruba posledních deseti letech. Čím to?

Výzkumníci vyvinuli nové metody učení, zahrnující například tzv. deep learning algoritmy, a optimalizovali architekturu neurálních sítí.

Navíc dnes počítačový výkon už není omezením, a tak napohled vzdálené oblasti jako internetové vyhledávání, online marketing a počítačová bezpečnost stále častěji vyžadují software schopný rozpoznávat vzory a sekvence.

Optické klamy

Ani neurální sítě však zdaleka nejsou imunní vůči klamům. Jen jsou náchylné k úplně jiným druhům optických klamů oproti našim myslím.

Sítě se učí pomocí hledání společných vzorů v obrázcích s určitými atributy (třeba "pes"). Jenže někdy si zafixují vzor, který je typický pro určitou třídu objektů a odlišuje ji od jiných, ale ve skutečnosti může znamenat i řadu jiných věcí a snadno pak síť ošálí – například řady vystupujících čtverců a obdélníků síť označí jako klávesnici.

Mohou také "odhalit" vzor v obrázku, který obsahuje pouze náhodný šum.

Podobné optické klamy, na hony vzdálené těm lidským, nám sice mohou připadat úsměvné, ale představují i potenciální bezpečnostní riziko.

Až se neurální sítě stanou běžně používaným nástrojem v rozpoznávání a ověřování obrázků, bude možné je při přihlašování do ověřeného účtu vyžadujícího fotografii ošálit pouhým šumem nebo abstraktními liniemi? Nebo se začnou podobně maskovat stránky s ilegálním obsahem?

V současné době se pracuje na snížení těchto rizik, než se neurální sítě v těchto úkonech masivně rozšíří.

Neurální sítě i v šumu nebo geometrických liniích výše rozpoznaly červenku, geparda a další zvířata nebo předměty | zdroj: Cornell University

Činka bez ruky není činka!

Co přesně jsou vlastnosti, podle kterých se neurální sítě naučí rozpoznávat určitý typ obrázků? Google na tuto otázku nedávno poskytl odpověď, když nechal své neurální sítě zdůraznit tyto vlastnosti.

V případě žádosti o rozpoznání základních vlastností bylo typickým výsledkem zvýraznění hran, jakého jste schopni v jakémkoli obrázkovém editoru.

Pokud ale byla síť požádána o nalezení složitějších vzorů, došla ke skutečně psychedelickým výsledkům. Ze známého obrazu začnou vystupovat zvířecí hlavy, z obyčejného šumu vyvstanou banány, zámky či činky.

V čem nám podobné hrátky mohou pomoci? Například když měla síť rozpoznat činky, vždy k nim připojila i svalnatou ruku. Z předchozího učení totiž "došla k závěru", že je integrální součástí činek.

Síť by se tedy při učení měla setkat s větším množstvím samotných činek, které nikdo nezvedá, aby se podobných chyb vyvarovala. Ty by totiž mohly vést i k chybnému rozpoznání obrázků osamocených činek nebo rukou držících podobný předmět, ale nikoli činky.

Google program zpřístupnil veřejnosti (volně dostupný kód na GitHubu nebo online verze), a tak si také můžete vyzkoušet, co na vás vykoukne z obrázků po zadání parametrů. Pod hashtagem #deepdream také najdete na sociálních sítích výtvory ostatních.

V obrazu rytíře na koni síť poté, co měla hledat zvířata a zdůraznit je, vygenerovala celou řadu zvířecích hlav. Některé další výtvory jako by vypadly ze surreálného světa Dalího či Eschera | zdroj: Google

Nové mistrovské kousky

Do budoucna by se neurální sítě mohly uplatnit například i jako pomocník při posuzování pravosti uměleckých děl. Zdá se, že základy stylu jednotlivých umělců jim zatím docela jdou.

Německo-americký tým počítačových vědců nedávno vyzkoušel, zda se neurálním sítím podaří transformovat fotografii do obrazu připomínajícího styl slavných malířů. Výsledek můžete posoudit sami.

Obrazy vzniklé na základě spojení obsahu fotografie a stylu známých umělců | zdroj: University of Tubingen

Dočkáme se v dohledné době zcela nových a originálních mistrovských kousků od umělců v podobě neurálních sítí? I to je možné – záleží jen na tom, jak sítě postavíme a co je naučíme.

V současnosti se jim věnuje stále více výzkumných týmů a rozšiřuje se jejich uplatnění v praxi. Je možné, že tyto šikovné programy se postupně zapojí do více oblastí našeho života.