ʵ

Uutiset

Kuvia luovien GAN-mallien mullistus sai Forbesin tekoälypalkinnon

Suomen tekoälykeskus FCAI:n yhteistyökumppani Nvidia kehitti mallin, joka vähentää kuvien luomiseen tarvittavan datan määrää. Nvidian tutkija Jaakko Lehtinen työskentelee myös professorina Aalto-yliopistossa ja Suomen tekoälykeskuksessa.
Gan.uvia
Esimerkkejä kuvista, jotka GAN loi pienemmällä datamäärällä. Kuva: Karras et al. (2020): Training Generative Adversarial Networks with Limited Data

Talouslehti Forbes on nostanut liittyvän tutkimuksen , jossa se hehkuttaa vuonna 2020 tehtyjä tekoälysaavutuksia. Listalla on kaikkiaan kuusi saavutusta, joista Suomen tekoälykeskuksen kumppaniyritys Nvidia sai mullistavan innovaation tunnustuksen (most disruptive innovator).

Forbes ylistää erityisesti Nvidian läpimurtoja, jotka vähentävät merkittävästi GAN-tyyppisten generatiivisten neuroverkkojen koulutukseen tarvittavaa datan määrää. Kyseisen tutkimuksen taustalla on ryhmä Nvidian tutkijoita, heidän joukossaan myös Aalto-yliopiston professori ja Suomen tekoälykeskuksen jäsen .

GAN-mallit oppivat Lehtisen mukaan niille annetun datan perusteella tuottamaan uutta, samankaltaista dataa. Lehtisen ja hänen kollegojensa työssä kyseinen data koostuu kuvista. Lehtinen avaa mekanismia kissoilla:

”Jos sinulle näytetään kuvia kissoista, pystyt tunnistamaan ne kissoiksi, vaikka et ole nähnyt niitä aiemmin. Tämä on mahdollista, koska kuvissa esiintyy tiettyjä yhteneväisyyksiä – kissat tuppaavat näyttämään tietynlaisilta, olemaan tietynlaisissa paikoissa, asennoissa ja niin edelleen", hän selittää.

GAN-mallin tarkoitus on tunnistaa alkuperäisestä datasta tällaisia yhteneväisyyksiä ja tuottaa niiden pohjalta uutta dataa, kuten keinotekoisia kissan kuvia.

Ongelma on, että korkealaatuisten tulosten saamiseksi GAN-malli tavallisesti tarvitsee kymmeniä- tai jopa satojatuhansia kuvia, joiden perusteella se luo itselleen säännöt uusien kuvien tuottamiseksi. Usein tällaisia esimerkkidatamassoja ei ole saatavilla.

Tässä on Lehtisen ja hänen kollegoidensa merkittävä saavutus: he onnistuivat vähentämään tarvittavien kuvien määrää jopa kymmenesosaan aiemmasta. Tämän mahdollistivat tutkijoiden tekemät muutokset prosessiin, jonka kautta algoritmi oppii alkuperäisestä datasta.

“Parempi käytettävyys saadaan aikaan laittamalla algoritmille hyvin erityisellä tavalla rikotut silmälasit päälle, kun se katselee opetuskuvajoukkoa, Lehtinen selittää.

Käytännössä tämän kaltaista tutkimusta hyödynnetään yhä enemmän esimerkiksi lääketieteellisessä tutkimuksessa, jonka piirissä tarvittava data on tyypillisesti arkaluontoista ja siksi hankalasti saatavilla. Koska sairaalat ymmärrettävästi varjelevat potilaidensa tietoja, malli, joka tuottaa rajallisen alkuperäistiedon pohjalta uutta, keinotekoista ja siten yksityisyydensuojan kannalta ongelmatonta dataa, voi olla tutkijoille valtavan arvokas.

Lehtisen ja kollegojen kehittämä GAN-malli kuuluu StyleGAN-malliperheeseen. Suomen tekoälykeskuksessa tutkimus liittyy tiiviisti kahteen keskuksen päätutkimusohjelmista, eli simulaattoripohjaisen tekoälyn (R2) ja datatehokkaan syväoppimisen (R3) ohjelmiin.

  • äٱٳٲ:
  • Julkaistu:
Jaa
URL kopioitu

Lue lisää uutisia

Henkilö seisoo ulkona syksyllä, yllä harmaa huppari ja vihreä takki. Taustalla puut oransseine lehtineen.
Nimitykset Julkaistu:

Esittelyssä Qi Chen: Luotettava tekoäly tarvitsee algoritmeja, jotka selviävät yllätyksistä

Tekoälyn kehittäjien on keskityttävä sovellusten turvallisuuteen ja oikeudenmukaisuuteen, sillä ne liittyvät suoraan yhteiskuntien luottamukseen ja tasa-arvoon, sanoo tutkija Qi Chen.
Henkilö pukeutuneena vaaleanharmaaseen huppariin seisoo sisätiloissa, taustalla tiiliseinä ja vihreitä kasveja.
Nimitykset, Yliopisto Julkaistu:

Tekoälyn ja ihmisen erimielisyys on tutkijalle jännä arvoitus

Francesco Croce tutkii multimodaalisia perustamalleja, erityisesti niiden hyökkäyksensietokykyä.
Eric Malmi Otaniemen kampuksella Laura Könösen Glitch-teoksen edessä. Kuva: Matti Ahlgren
Nimitykset Julkaistu:

Räppialgoritmi vei Google DeepMindille tutkimaan kielimalleja – nyt Eric Malmi aloittaa vierailevana professorina Aallossa

Eric Malmi on väitellyt Aalto-yliopistosta vuonna 2018, aiheenaan tekoälymenetelmien kehittäminen historiallisten aineistojen ja sukupuiden linkittämiseen. Google DeepMindilla hän on kehittänyt Gemini-kielimalleja sekä shakkitekoälyä. Aaltoon hänet toi Suomen ELLIS-instituutti.
Students
Palkinnot ja tunnustukset Julkaistu:

Aalto-yliopisto jälleen 200 parhaan joukossa arvostetussa THE-yliopistovertailussa

Aalto paransi suoritustaan erityisesti yritysten kanssa tehtävässä yhteistyössä sekä opetuksessa.