Neural Network dreams your Dreams

Gepostet vor 14 Tagen in #Science #Tech #AI #AlgoCulture #Neuroscience

Share: Twitter Facebook Mail

Wissenschaftler können bereits seit Jahren Bilder aus Gehirnscans extrahieren, also: Tatsächlich ein Abbild davon schaffen, was wir sehen. Die Resultate sind natürlich unzureichend und allerhöchstens eine Annäherung, so haben sie beispielsweise vor 5 Jahren Gedanken aus YT-Clips generiert. Seitdem ist die Entwicklung ein wenig ins Stocken geraten, die neueste Entwicklung war die Extraktion von „Gesichtern“ vor rund einem Jahr und bis heute leidet die Technik unter der schlechten Qualität der Ergebnisse.

Enter Neural Networks, die sich ja hervorragend dazu eignen, Muster nachzubauen, grade und vor allem visuelle Muster. Und nun trainieren sie Neural Networks ganz einfach auf Gehirnscans und fragen das NN anschließend: Was siehst Du? Und dieses Ergebnis ist, wie man oben im Bild sieht, sehr viel näher am Ausgangsbild, als alle anderen Technologien zuvor. Die Gedanken sind frei, keiner kann sie erraten.

Paper: Sharing deep generative representation for perceived image reconstruction from human brain activity

Engadget: Neural network learns to reproduce what your brain sees

The team trains its network to recreate images by feeding it the visual cortex scans of someone looking at a picture and asking the network to recreate the original image based on that data. After enough practice, it's off to the races -- the system knows how to correlate voxels (3D pixels) in scans so that it can generate accurate, noise-free images without having to see the original.

You can see the results for yourself in the comparison above. The new technique, DGMM (Deep Generative Multiview Model), is very nearly on par with the source material. Virtually all the other approaches are so imprecise and noisy that many of their results are either difficult to read or just plain wrong.

Heute in Darmstadt: Das Geile Neue Internet – Potential of (visible) Infinite Idea Space

[update] Hier ein Livestream auf Facebook. Heute abend erzähle ich auf dem Webmontag Darmstadt – Born and raised Heiner, gude!…

Smile-Filtering a Face until there is no Face left to smile-filter

Gene Kogan: „just in case you were wondering, this is what happens when you repeatedly run FaceApp’s smile filter until…

Smoke more Dope!

Kleine Dosen von Tetrahydrocannabinol aka THC aka der psychoaktive Anteil von Cannabis kehren anscheinend bei älteren Mäuse-Hirnen den Alterungsprozess um…

Neural Network dreams of riding a Train

Tolle Arbeit von Damien Henry: Ein Neural Network, ein sogenannter „prediction algorithm“, der Frames eines Videos „errät“, ausgehend vom jeweils…

4 AI-Obamas learn Algo-Lipsynch from Audio

Seit ich über die neuen Möglichkeiten von Machine Learning bezüglich Computer Vision und der Generation von Bildern schreibe, vor allem…

Daddy Cthulhu Cumshot: Weird Algo-Poetry from repetitive Cut'n'Paste-Autocomplete

Das LanguageLog hat die „psychedellic“ AI-„Dreaming of“-Technik auf Google Translate angewandt und dort regelmäßige Sprach/Zeichen-Muster („Iä! Iä! Iä! Iä! Iä!…

Neural Networks for Character Control

Daniel Holden, Taku Komura und Jun Saito haben ein Neural Network auf Character-Animationen trainiert, mit dem Figuren in Games und…

Eat more Psillos!

Vor zwei Jahren hatte man festgestellt, dass Psillos (Magic Mushrooms) dieselben Hirnregionen aktiviert, die auch für Träume zuständig sind, und…

Predictive Policing for Banksters

Schönes Ding von Sam Lavigne, Predictive Policing für Wirtschaftskriminalität im Finanzsektor, 'ne Robocop-App für Bankster. White Collar Crime Risk Zones…

AI Voice-Cloning

Vor ein paar Monate veröffentlichte Google sein WaveNet, ein auf Stimmen trainiertes Neurales Netzwerk mit einem deutlichen Qualitätssprung gegenüber bisherigen…