ACGAN: سرویس ماشین لرنینگ که نشان می‌دهد شما در ۴۰ سال آینده چه شکلی خواهید بود!

ACGAN: سرویس ماشین لرنینگ که نشان می‌دهد شما در ۴۰ سال آینده چه شکلی خواهید بود!

گروهی از محققان فرانسوی از تکنیک‌های ماشین لرنینگ برای طراحی برنامه‌هایی که پروسهٔ پیر کردن یا جوان کردن چهره را با دقت ۸۰٪ انجام می‌دهند، استفاده کرده‌اند. برنامهٔ ACGAN که کوتاه‌شدهٔ عبارت Age Conditional Generative Adversarial Network است، می‌تواند برای شناسایی افرادی که برای مدت طولانی دیده‌ نشده یا گُم شده‌اند، مورد استفاده قرار گیرد. 

آیا تا به‌ حال به این فکر کرده‌اید که در ۳۰ الی ۴۰ سال آینده چه شکلی خواهید بود؟ تکنیک‌های زیادی هستند که می‌توانند چنین امکانی را میسر سازند که البته بدون مشکل هم نخواهند بود؛‌ مثلاً در گذشته مایکروسافت رباتی برای تشخیص سن ساخته‌ بود که البته با شکست مواجه‌ شد! یا به عنوان مثالی دیگر، بعضی از این برنامه‌ها نمی‌توانند هویت ظاهری افراد را در حین پروسهٔ پردازش چهره حفظ کنند و یا بعضی از آ‌ن‌ها خیلی گران و مستلزم صرف وقت زیادی هستند.

استفاده از یادگیری ماشینی برای پیر کردن چهرهٔ افراد
برخی محققان از فناوری ماشین لرنینگ استفاده‌ کرده‌اند تا سهولت و دقت در این کار را ممکن سازند (برای آشنایی بیشتر با اصطلاح ماشین لرنینگ، به مقالهٔ یادگیری ماشینی چیست؟ مراجعه نمایید.) در همین راستا، Grigory Antipov فرانسوی به کمک همکارانش، با استفاده از یادگیری ماشینی، سیستمی توسعه داده‌‌اند که جدای از اینکه این سیستم کامپیوتری می‌تواند چهره‌ها را مُسن‌تر کند، می‌تواند چهره‌های مُسن را جوان‌تر هم سازد که این پروسه اصطلاحاً Age Conditional Generative Adversarial Network نامیده می‌شود. به طور کلی، روشی که توسط Antipov استفاده شده‌ از دو سیستم ماشین لرنینگ که شامل یک مبدل چهره و یک تمایزدهندهٔ چهره می‌شود، تشکیل شده‌ است.

در این سیستم‌های مبتنی بر #هوش_مصنوعی از پنج هزار چهره در گروه‌های سنی ۱۸-۱، ۲۹-۱۹، ۳۹-۳۰، ۴۹-۴۰، ۵۹-۵۰ و ۶۰ سال به بالا استفاده شده که این چهره‌ها را از IMDb و Wikipedia برداشته‌اند. در واقع، این سیستم‌های هوشمند می‌توانند ویژگی‌های مختص به هر گروه سنی را یاد گرفته و بعداً روی چهره‌های دیگر اعمال کنند و پس از اینکه کار مبدل چهره تمام شد، حال نوبت به سیستم تمایزدهندهٔ چهره می‌رسد که چهره‌های مصنوعی تولید شده را بررسی‌ کند تا ببیند که هویت اصلی آن‌ها هنوز هم قابل‌‌تشخیص هستند یا خیر. در تست‌های انجام شده توسط این محققان، سیستم آن‌ها چهره‌هایی که به درستی دستخوش تغییر سن شده بودند را ۸۰٪ تعیین کرد که این میزان بیشتر از دیگر نرم‌افزارها است که تنها در ۵۰٪ موارد درست عمل می‌کنند.

اما چنین سیستمی به چه دردی می‌خورد؟
به گفتهٔ محققان، تکنیک آن‌ها می‌تواند برای شناسایی افرادی که سال‌ها است دیده نشده یا گُم شده‌اند استفاده شود. به‌ نظر شما این تکنیک پیر و جوان کننده آیا در دنیای واقعی هم می‌تواند به کار گرفته شود؟ برنامه‌های آینده‌ای که در این رابطه تولید‌ می‌شوند به چه صورت خواهند بود؟ نظرات و دیدگاه‌های خود را با دیگر کاربران سکان آکادمی به اشتراک بگذارید.

منبع


نهال سهیلی‌فر