Cookies op Tweakers

Tweakers maakt gebruik van cookies, onder andere om de website te analyseren, het gebruiksgemak te vergroten en advertenties te tonen. Door gebruik te maken van deze website, of door op 'Ga verder' te klikken, geef je toestemming voor het gebruik van cookies. Wil je meer informatie over cookies en hoe ze worden gebruikt, bekijk dan ons cookiebeleid.

Meer informatie

Door , , 44 reacties

Google heeft een website met de titel 'A.I. Experiments' in het leven geroepen, waarop gebruikers aan de slag kunnen met projecten op het gebied van kunstmatige intelligentie. Er zijn een aantal projecten te bekijken en gebruikers kunnen hun eigen experimenten uploaden.

Google schrijft op de site dat er tegenwoordig veel op het gebied van kunstmatige intelligentie gebeurt en dat het daarom de site heeft opgezet. Momenteel staan er acht experimentele projecten op de site die zijn gemaakt door Google-medewerkers. Het is de bedoeling dat daar meer projecten van geïnteresseerden bijkomen. Google zegt dat het op zoek is naar opensourceprojecten die 'simpel, innovatief en een beetje educatief' zijn. De broncode van de Google-projecten en de gebruikte tools zijn per experiment op GitHub te raadplegen.

Onder de projecten is bijvoorbeeld een camera die foto's neemt en de vastgelegde objecten beschrijft aan de hand van machine learning. Vervolgens speelt de software, genaamd 'Giorgio Cam', een nummer van de Italodisco-artiest Giorgio Moroder af en gebruikt de beschrijving van de objecten als songtekst. Het herkennen van beelden gebeurt in dit geval aan de hand van de Cloud Vision-api en het uitspreken van de tekst past marytts met de Web Audio-api toe.

Een ander project met de naam 'Quick, Draw' kan door de gebruiker getekende objecten herkennen, bijvoorbeeld een motor of een tuinslang. Het experiment 'Bird Sounds' kan de geluiden van verschillende vogels in categorieën indelen. Google heeft ook op andere gebieden dit soort experimentele websites, bijvoorbeeld voor Android en Chrome.

Video over het project 'Quick, Draw'

Moderatie-faq Wijzig weergave

Reacties (44)

Leuk dat Google een podium biedt aan de mensen die wat hobbyen met hun API's en toolkits, om "A.I." (maar eigenlijk Neural Nets en Machine Learning, A.I. is natuurlijk veel meer dan dat).

Wat er nu op staat is een leuk beeld van wat je als programmeur in een korte tijd met deze tools voor elkaar kan krijgen. Dat sommige van de experimenten nog niet super werken of simpel ogen maakt niet zoveel uit, het toont dat het laagdrempelig is om iets te maken met geavanceerde technieken die voor iedereen bereikbaar zijn.

De komende tijd maar eens in de gaten houden of er toffe andere applicaties en ideeën bijkomen.
Goed punt. Als Google het over AI heeft bedoelen ze altijd machine learning in het bijzonder, en daarbinnen eigenlijk uitsluitend neurale netwerken, en daarbinnen dan eigenlijk ook altijd neurale netwerken zoals die zijn geïmplementeerd in hun eigen TensorFlow. Het lijkt soms een beetje alsof ze daar niets anders meer doen dan met TensorFlow spelen. Maar het is inderdaad wel aardig van Google dat de rest van de wereld mag meespelen. :+
Hier kun je zelf Quick, Draw! proberen.

[Reactie gewijzigd door miicker op 16 november 2016 13:43]

Grappig, maar het lijkt er op dat er maar een paar opties zijn die getekend kunnen worden. De AI raad best vaak dezelfde dingen en gokt ambulance goed, terwijl er zo weinig details in m'n tekening zaten dat auto of bestelbusje veel logischere keuzes geweest zouden zijn. En m'n halve cirkel werd meteen herkend als regenboog.

[Reactie gewijzigd door Vihaio op 16 november 2016 14:03]

Zo moest ik een mermaid tekenen, en werd het geraden voordat ik aan het vis gedeelte begon...

Ik vermoed dus dat er een lijst is met misschien 100 woorden en hij raadt op welke daarvan het het meest lijkt.
Ik vermoed eerder dat hij aan het leren is en zich steeds verbeterd op basis van ervaringen doordat mensen aan het tekenen zijn.

Ik weet alleen niet of hij wel goed kan leren van "fout-positieven" zoals jij nu had, lijkt me dat hij alleen goed kan leren van fout-negatieven.

Dus als je een ambulance moet tekenen en hij herkent het al op het moment dat het net zo goed een busje kan zijn, leert hij niks. Pas als een paar andere mensen datzelfde tekenen en busje bedoelen, gaat hij het verschil leren.

Edit: mijn zeer matige poging om een kikker te tekenen, werd als broekriem herkend. Toen hij op het eind liet zien hoe die riem getekend was, begreep ik precies waarom mijn kikker op een riem leek ;)

[Reactie gewijzigd door Lapa op 16 november 2016 14:45]

Een neuraal netwerk leert aan de hand van voorbeelden. Bijvoorbeeld "deze krabbel stelt een kat voor". Na extreem vaak oefenen en herhalen op de voorbeelden, is het netwerk in staat om te generaliseren. Het kan dan ook krabbels die het nog nooit gezien heeft herkennen als kat. Niet altijd, maar wel in veel gevallen.

Een neuraal netwerk (van het type waarover we het hier hebben) leert dus niet van fout raden of van goed raden, maar alleen maar van voorbeelden met een bekend antwoord.

De reden dat dit spelletje maar met een beperkte verzameling van woorden werkt, is dat het onderliggende neurale netwerk een vaste output-node heeft voor ieder woord dat geraden kan worden. De huidige staat van de techniek is nog niet zo ver dat je makkelijk tussentijds nieuwe nodes kunt toevoegen, dus hebben de makers van het spel besloten om het aantal woorden te beperken.
Ik denk dat je niet helemaal begreep wat ik met "leren" bedoelde. Ik bedoel niet dat het neurale netwerk "denkt"
Oeps, ik heb het fout! Volgende keer beter mijn best doen!
Maar wat dit neurale netwerk moet leren is (bijvoorbeeld) het verschil tussen een busje en een ambulance. Daarvoor heeft het genoeg voorbeelden nodig die wel matchen met ambulance en niet met busje. Eigenlijk ook andersom, maar dat is lastiger. Dus als ik ambulance moet tekenen en hij herkent dat al als ik precies hetzelfde heb getekend als wat ik gedaan had als de opdracht busje was geweest (dus bijv. zonder zwaailicht of kruis erop of zo), kan het netwerk daardoor niet beter worden in het verschil tussen busjes en ambulances.
Pas als hij daardoor telkens fout ambulance gaat raden waar busje bedoeld wordt en andersom, komen de voorbeelden naar boven die wel de karakteristieke verschillen aangeven, en leert het netwerk dus het verschil.
Volgende week nog eens proberen !
Persoonlijk vind ik dit de naam AI niet waardig, dit is eigenlijk niet meer dan een database met een soort van fingerprinting.

Die AI heeft geen idee wat het verschil is tussen een elleboog, een hockey stick of een golf club. Het "ziet" alleen dat de hoek bij een hockey stick kleiner is dan de hoek bij een golf club.

Heel leuk allemaal en uiteindelijk kan je dit wel trainen zodat het 99,9...% van de gevallen goed detecteert, maar komt er iets "nieuws", dan is het opeens zo intelligent als een tas koffie...
Persoonlijk zou ik dit Super Dumb Retarted but Efficient Intelligence noemen, dus SDREI. You heard it first here :P
Ken je het Chinese kamer experiment? Ongeveer jouw punt :)
Niet helemaal. Het punt van ? ? is dat hij of zij een weak AI niet echt intelligent vindt. Daarmee kun je het eens of oneens zijn, afhankelijk van je filosofische opvattingen. Feit is wel dat AI als vakgebied óók over weak AI gaat. De meeste mensen kennen AI alleen uit science fiction. Daardoor realiseren ze zich niet dat AI in de echte wereld een stuk saaier is.

De bedoeling van John Searle met de Chinese kamer was om het concept van de turingtest onderuit te halen. Als een computer mensen er in een chatgesprek van kan overtuigen dat het een mens is, dan is er volgens John Searle nog steeds geen sprake van intelligentie. Het punt van de Chinese kamer is dus dat zelfs strong AI niet echt intelligent is.

De Chinese kamer is overigens omstreden. John Searle baseert zijn argument op het idee dat er in de Chinese kamer niets is aan te wijzen dat Chinees begrijpt, ondanks het feit dat de kamer als geheel feilloos in het Chinees kan communiceren. In een mensenbrein kun je echter ook geen hersencel aanwijzen die de moedertaal van het betreffende mens spreekt, dus je moet je hard afvragen hoeveel hout het argument snijdt. Ik ben afgestudeerd in AI en ik vind het in ieder geval een flutargument. ;)
Dat gedachtenexperiment kende ik niet.
"Het boek bevat instructies, in de moedertaal van de proefpersoon, die beschrijven hoe te reageren op een binnenkomend vel, afhankelijk van het symbool dat erop staat"

Ik zou daar toch willen stellen dat ik "intelligentie" definieer als de gave om gepast te reageren op een nieuwe ongekende situatie door ervaringen uit eerdere situaties te gebruiken om tot een nieuwe oplossing te kunnen komen én deze oplossing ook zelfstandig kan verifiëren. als ik dat zo eventjes los uit de pols moet typen :P

WeakAI vind ik hetzelfde als een kleine reus of een grote dwerg, namelijk semantische onzin.
Als je meer over deze materie wilt weten, kan ik je ook nog Artificial Intelligence: a Philosophical Introduction door Jack Copeland aanraden.
Persoonlijk vind ik dit de naam AI niet waardig, dit is eigenlijk niet meer dan een database met een soort van fingerprinting.
Hoe denk je dat je hersens werken?
In ieder geval niet 100% fingerprinting. Er is inderdaad een component dat zo werkt en daarom zie je soms dingen die er niet echt zijn, maar als je je focust, dan zie je met je "actieve verstand" en kan je nadenken over wat je ziet.

Dat is iets totaaaaaaaaaaal anders dan fingerprinting of patroonherkenning. Dat noem ik intelligentie, het tweede niet.
Dat is toch echt een beetje een misvatting. Menselijk denken is voor het overgrote deel patroonherkenning, associatie, aangeleerde vuistregel en makkelijkste weg. Als je Thinking, Fast and Slow van Daniel Kahneman leest (aanrader), zul je je hard gaan afvragen of mensen wel zo intelligent zijn.

Wat jij hier intelligent noemt, kunnen mensen alleen met veel pijn en moeite simuleren. Daarom gaat 371 x 449 uit het hoofd niet zo soepel. Wij mensen zijn Turing-compleet, maar dat is maar net op het nippertje en heel erg inefficiënt, gegeven het aantal neuronen en synapsen dat ervoor nodig is.
Ga ik zeker op m'n boekenlijst zetten, ben er niet zo in thuis, dus dankje.
Zojuist geprobeerd, en de AI raad 4 van de 5 tekeningen, echt heel goed.
dan zijn jouw tekenskills beter ontwikkeld dan de mijne, ik heb er maar 1 van de 6, een vliegtuig dat ik zelf niet als zodanig zou herkennen.
Of ik teken heel slecht (mogelijk) maar hij herkent niet echt wat ik aan het tekenen ben.
Leuk hoe zo'n systeem dit kan herkennen. Alleen is het wel lastig als je totaal niet kan tekenen ;(
Beetje vreemd. Die Quick, Draw had geen enkele van mijn 4 sessies iets kunnen raden.
Zal er misschien aan liggen dat ik een teken tablet gebruikte tegen over muis?
Als ik zag wat voor tekeningen er nog meer gemaakt werden en het systeem mee vergeleek moet het vooral niet te netjes getekend zijn of teveel detail. Dus zou best kunnen.
Hij baseert het op wat andere mensen in 20 seconden voor dat concept getekend hebben. De meeste mensen kunnen zonder mogelijkheid voor correctie en onder die tijdsdruk niet echt mooie en duidelijke tekeningen maken (ik zelf zeker niet!). Zeker niet met een muis.

Het zal dus vooral goed werken bij concepten waarbij veel mensen dezelfde simpele iconische voorstelling hebben, die ze ook nog kunnen tekenen. Bijvoorbeeld een vis of een auto.

Toen ik broccoli moest tekenen, maakte ik daar een ontzettende puinzooi van, maar het werd wel geraden, omdat blijkbaar de meeste mensen dat doen. Dit neurale netwerk zal dus straks geen broccoli in het echt kunnen herkennen, daar is het niet op getraind, maar alleen de chaotische tekenpogingen van mensen die ineens een broccoli moeten tekenen.
Bij de voorbeelden van wat anderen hadden gemaakt, stond trouwens wel één prachtige broccoli, hulde voor die tekenaar ;)

Ik heb ook het idee dat het algoritme dat de opdrachten geeft, het moeilijk aan het maken is voor het neurale netwerk. Want ik heb het een aantal keer gedaan in de loop van de dag en krijg steeds moeilijkere dingen (zoals asperge), of dingen die erg op elkaar lijken en waarvan het neurale netwerk dus die factoren moet zien te herkennen die ze van elkaar onderscheiden.
Even terug gegaan, ik had inderdaad misschien wat minder mijn best moeten doen haha.
Ik had een haai schuin van onder getekend, niet heel netjes en met de muis.. hij herkende er wel bijna een dolfijn in, maar de stap naar haai kon die nog niet maken.. de haaien uit de voorbeelden waren allemaal recht van opzij getekend..
grappig om te zien hoe snel hij de tekeningen herkent maar er soms ook compleet naast zit. :)
Tip: schakel je Privacy Badger uit als je wilt dat het werkt. Ik snapte al niet waarom hij mijn cup niet herkende...
Ik moest "inputtools.google.com" toestaan in Privacy Badger, zal voor jou mogelijk hetzelfde zijn
En de antwoorden aan het einde, om te kijken waar de AI aan dacht en hoe andere de voorwerpen tekenden.
net zelf geprobeerd. blijkbaar weet niemand wat een "aircraft carrier" is want iedereen tekent een vliegtuig, en 1 iemand een vliegtuig op een aanhanger. dat zou dus een probleem kunnen zijn als ie verkeerde dingen gaat leren
Is dit niet in hetzelfde straatje als wat Microsoft heeft met Cognitive Services?

https://www.microsoft.com/cognitive-services
Google biedt zijn toolkits ook op deze manier aan inderdaad, maar deze site is meer een showcase/boutique om te laten zien wat hobbyisten allemaal met deze toolkits kunnen maken.

Waarschijnlijk ook als promotie om mensen met hun toolkits te laten werken (en eerder daarvoor te kiezen dan voor het cognitive services platform bijvoorbeeld)
Zou kunnen, maar het is ook duidelijk dat Google zelf gewoon erg enthousiast is over zijn favoriete speeltje. Het is "gewoon" hun eigen standaardimplementatie van diepe maar ouderwetse neurale netwerken, maar ze raken er maar niet mee uitgespeeld. Zie bijvoorbeeld ook Google-onderzoek laat neurale netwerken encryptie bedenken.

Ze treden er zoveel naar buiten met alsmaar nieuwe toepassingen van hetzelfde trucje, dat het niet alleen maar PR kan zijn. Als het puur om PR gaat, krijg je veel meer effect voor je geld door maar één of twee projecten op te zetten en daar extra je best op te doen zodat iedereen onder de indruk is. Dus PR speelt vast een rol, maar ik denk dat ze toch ook gewoon een beetje verslaafd zijn aan neurale netwerken.
Quick, Draw is eerder een experiment dat meet hoe slecht mijn tekenkunsten zijn dan hoe goed die AI juist is in het herkennen van tekeningen. :+

[Reactie gewijzigd door fluffy1 op 16 november 2016 14:20]

Ach AI is hier toch wel een beetje verkeerd, teken 1 van de 15 woorden die ik ken, en ik probeer het te herkennen.... een geslachtsdeel tekenen zat er duidelijk niet in ... :) #ja_ik_ben_12
op deze manier is de google afbeelding ook search begonnen.
door telkens te vragen: wat zie je hier? en dan telkens een willekeurig plaatje voor te schotelen.

Human generated algoritemes.
Jammer dat hij mijn NSFW tekeningen van piemels en tieten niet herkent. En dat ligt niet aan mijn tekenkunsten. Kan die safesearch ook uit? O-)
Heel leuk, maar nogal nep. Google bepaald wat je moet tekenen en gaat het vervolgens zelf raden. Dat is jezelf nogal voor de gek houden. Je kunt dus niet zelf iets verzinnen om te tekenen. Bovendien wordt er maar gebruik gemaakt van een beperkt aantal objecten waaruit er kan worden geraden. Zo moest ik een politieauto tekenen. Nadat ik een halve gewone auto had getekend wist Google al dat het een politieauto was! Hij had nog niet eens "auto" geraden! En ik had nog geen enkel kenmerk van de politie getekend. Ik denk dat Google de lat iets hoger moet leggen wil dit leuk worden.
Tuurlijk niet. Je krijgt opdrachten zodat AI kan controleren of het goed geraden is. Op deze manier leert het namelijk. Als het genoeg objecten heeft geleerd zou je de opdrachten weg kunnen halen en is er een grote kans dat het raadt wat je tekent.

Vergelijk het met de mens, als niemand je ooit had verteld dat een object met takken en bladeren een boom heet, zou je toch nooit een boom als 'boom' kunnen benoemen?
Ik begrijp dat er een bepaalde controle moet zijn, maar waarom zou je niet vrij kunnen tekenen en vervolgens zelf het juiste antwoord kunnen kiezen? Veel uitdagender toch! En dan kan Google ook niet cheaten. Lees mijn opmerking over de politieauto nog eens. Het is toch absurd dat het antwoord "auto" nog niet eens genoemd was?
Google werkt met een vaste set van woorden waaruit gekozen kan worden. Politieauto zit in die set en auto niet. Ze geven je dus bij voorbaat een woord als opdracht, omdat de kans anders nogal groot is dat je een woord kiest dat niet in de set zit.

De reden voor de beperkte set is dat de techniek nog niet zover gevorderd is dat je onbeperkt nieuwe woorden aan zo'n neuraal netwerk kunt toevoegen. Ze doen het dus niet om vals te spelen, maar gewoon omdat ze niet beter kunnen.

Begrijpelijk dat je daar niet van onder de indruk bent, maar dat is nou eenmaal hoe het ervoor staat met AI. Toch kunnen bedrijven hier meer mee dan je zou denken.
Niks nep. Je kunt ook totaal andere dingen gaan tekenen dan die er gevraagd worden. Die raadt hij net zo goed, d.w.z. in zijn pogingen noemt hij wat je tekent.


Om te kunnen reageren moet je ingelogd zijn



Nintendo Switch Google Pixel Sony PlayStation VR Samsung Galaxy S8 Apple iPhone 7 Dishonored 2 Google Android 7.x Watch_Dogs 2

© 1998 - 2016 de Persgroep Online Services B.V. Tweakers vormt samen met o.a. Autotrack en Carsom.nl de Persgroep Online Services B.V. Hosting door True