Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
MIT 6.S192 - Vorlesung 10: "Magenta: Empowering creative agency with machine learning" von Jesse Engel
MIT 6.S192 - Vorlesung 10: "Magenta: Empowering creative agency with machine learning" von Jesse Engel
Jesse Engel, leitender Forschungswissenschaftler bei Google Brain, spricht über Magenta, eine Forschungsgruppe, die sich mit der Rolle von KI und maschinellem Lernen in Kreativität und Musik befasst. Die Gruppe konzentriert sich hauptsächlich auf maschinelle Lernmodelle, die Medien generieren und sie über Open-Source-Code und ein Framework namens magenta.js zugänglich machen, das die Erstellung interaktiver kreativer Modelle in Javascript ermöglicht. Engel betont, wie wichtig es ist, Musik als soziale und evolutionäre Plattform für kulturelle Identität und Verbindung zu betrachten und nicht als Ware, die billig produziert und konsumiert wird. Sie untersuchen, wie maschinelles Lernen Einzelpersonen durch Expressivität, Interaktivität und Adaptivität zu neuen Formen kreativer Handlungsfähigkeit befähigen kann. Der Vortrag behandelt verschiedene Themen, darunter das Entwerfen von maschinellen Lernmodellen für Musik, die Verwendung erweiterter Faltung für prädiktive Ausgaben, differenzierbare digitale Signalverarbeitung und die Erstellung von maschinellen Lernsystemen, die schöne Fehler produzieren. Darüber hinaus spricht er über Herausforderungen der Zusammenarbeit mit Künstlern und die große Herausforderung, in Lernmodellen aus der Verteilung und Kompositionalität herauszukommen.
MIT 6.S192 - Vorlesung 11: "Künstliche Biodiversität", Sofia Crespo und Feileacan McCormick
MIT 6.S192 - Vorlesung 11: "Künstliche Biodiversität", Sofia Crespo und Feileacan McCormick
In diesem Vortrag über „Künstliche Biodiversität“ erkunden Sofia Crespo und Feileacan McCormick die Schnittmenge von Technologie und Natur, um einzigartige Kunstformen zu schaffen. Das Duo diskutiert ihr Interesse und den Einsatz von maschinellem Lernen und seine Verbindung zur Schönheit und hebt die Grenzen der menschlichen Wahrnehmung hervor. Sie diskutieren auch ihre gemeinsamen Projekte, darunter "Entangled Others", in denen sie sich dafür einsetzen, sowohl einzelne Arten als auch ihre komplexen Verflechtungen darzustellen, um ein besseres Verständnis ökologischer Systeme zu schaffen. Die Referenten betonen die Bedeutung von Nachhaltigkeit und Kollaboration in der künstlerischen Praxis sowie das Verhältnis von Werkzeugen und Kunst und stellen fest, dass Algorithmen menschliche Künstler nicht ersetzen können.
MIT 6.S192 - Vorlesung 12: "AI+Creativity, an Art Nerd's Perspective" von Jason Bailey
MIT 6.S192 - Vorlesung 12: "AI+Creativity, an Art Nerd's Perspective" von Jason Bailey
Jason Bailey erläutert, wie sich maschinelles Lernen auf den Kunstbereich auswirkt, von der Fälschungserkennung bis zur Preisvorhersage. Er fordert Künstler auf, sich der Vorurteile bewusst zu sein, die datengesteuerter Kunst innewohnen, und betont die Notwendigkeit von Trainingsdaten, die alle Perspektiven einschließen.
MIT 6.S192 - Vorlesung 13: "Oberflächen, Objekte, Verfahren: Integration von Lernen und Grafiken für das Verständnis von 3D-Szenen" von Jiajun Wu
MIT 6.S192 - Vorlesung 13: "Oberflächen, Objekte, Verfahren: Integration von Lernen und Grafiken für das Verständnis von 3D-Szenen" von Jiajun Wu
Jiajun Wu, Assistenzprofessor an der Stanford University, erläutert seine Forschung zum Szenenverständnis in Maschinen durch die Integration von Deep Learning und Domänenwissen aus der Computergrafik. Wu schlägt einen zweistufigen Ansatz vor, um eine 3D-Objektgeometrie aus einem einzelnen Bild wiederherzustellen, indem die sichtbare Oberfläche durch die Tiefenkarte geschätzt und die Form basierend auf Vorkenntnissen aus einem großen Datensatz anderer ähnlicher Formen vervollständigt wird. Wu schlägt auch vor, sphärische Karten als Ersatzdarstellung für Oberflächen in 3D zu verwenden, um Oberflächenmerkmale besser zu erfassen, sodass das System Formen in einer detaillierteren und glatteren Ausgabe vervollständigen kann. Darüber hinaus erörtert Wu, wie die Rekonstruktion von Formen in Formprogramme die Modellierung und Rekonstruktion erheblich verbessern kann, insbesondere für abstrakte und künstliche Objekte. Abschließend erörtert Wu, wie Domänenwissen aus der Computergrafik in maschinelles Lernen integriert werden kann, um die Formrekonstruktion, Textursynthese und das Szenenverständnis zu verbessern.
MIT 6.S192 – Vorlesung 14: „Towards Creating Endless Creative Open-Ended Innovation Engines“ von Jeff Clune
MIT 6.S192 – Vorlesung 14: „Towards Creating Endless Creative Open-Ended Innovation Engines“ von Jeff Clune
Jeff Clune, ein Forscher bei OpenAI, spricht in diesem MIT-Vortrag über seine Arbeit zur Schaffung endlos kreativer Open-End-Innovationsmaschinen. Er versucht, Algorithmen zu entwickeln, die das Rezept der natürlichen Evolution und der menschlichen Kultur erfüllen können, mit einer Reihe von Dingen zu beginnen, neue Dinge zu erzeugen, zu bewerten, um das Interessante beizubehalten, und es zu modifizieren, um die interessante Neuheit beizubehalten. Clune untersucht die Verwendung neuronaler Netze zur Erkennung neuer Dinge, spricht über den Map Elites-Algorithmus und führt Kompositionsmuster erzeugende Netzwerke für die Kodierung ein. Er zeigt, wie diese Tools kombiniert werden können, um komplexe und vielfältige Bilder zu generieren, schwierige Probleme zu lösen und offene Algorithmen zu entwickeln, die ihre Lösungen für Herausforderungen ständig erneuern können.
MIT 6.S192 - Vorlesung 15: "Creative-Networks" von Joel Simon
MIT 6.S192 - Vorlesung 15: "Creative-Networks" von Joel Simon
In diesem Vortrag untersucht Joel Simon seine Inspirationen und Ansätze für kreative Netzwerke, die aus natürlichen Ökosystemen schöpfen. Er demonstriert das Potenzial von Computerfähigkeiten im kreativen Prozess und beschreibt, wie Techniken wie Topologieoptimierung, Morphogene und evolutionäre Algorithmen die Entstehung unglaublicher Formen und Texturen ermöglichen können. Simon teilt auch Details über sein GANBreeder-Projekt mit, ein Online-Tool zum Entdecken und Mutieren von Bildern mit einem CPPN und einem GAN, und diskutiert das Potenzial von Cross-Recommendation-Systemen im kreativen Prozess. Simon ist optimistisch in Bezug auf die Zukunft von Technologie und Kreativität und glaubt, dass Menschen zusammenarbeiten und die Funktionen von Gebäuden optimieren und etwas Größeres schaffen können.
MIT 6.S192 - Vorlesung 16: "Menschliche visuelle Wahrnehmung von Kunst als Berechnung" Aaron Hertzmann
MIT 6.S192 - Lec. 16: "Menschliche visuelle Wahrnehmung von Kunst als Berechnung" Aaron Hertzmann
Der Vortrag untersucht die wahrgenommene Ambiguität und Unbestimmtheit in der Kunst und die Verwendung von Generative Adversarial Networks (GANs) bei der Schaffung mehrdeutiger Bilder. Es diskutiert den Einfluss der Betrachtungsdauer auf die Wahrnehmung und die Beziehung zwischen Bildentropie und menschlichen Vorlieben. Der Dozent schlägt eine Evolutionstheorie der Kunst vor, in der Kunst von Akteuren geschaffen wird, die zu sozialen Beziehungen fähig sind. Auch der Einsatz von KI in der Kunst wird diskutiert, mit dem Schluss, dass Algorithmen zwar nützliche Werkzeuge sein können, menschliche Künstler aber nicht ersetzen können. Der Vortrag schließt mit einigen Bemerkungen zu Begriffen wie Wert.
MIT 6.S192 - Vorlesung 17: "Using AI in the service of graphic design" von Zoya Bylinskii
MIT 6.S192 - Vorlesung 17: "Using AI in the service of graphic design" von Zoya Bylinskii
Zoya Bylinskii, Research Scientist bei Adobe, untersucht in diesem Vortrag die Schnittmenge von Grafikdesign und künstlicher Intelligenz (KI). Bylinskii betont, dass KI Designer eher unterstützen als ersetzen soll, indem sie mühsame Aufgaben automatisiert und Designvariationen generiert. Bylinskii gibt Beispiele für KI-unterstützte Tools, einschließlich interaktiver Designtools und KI-generierter Symbolideen. Bylinskii erörtert auch die Herausforderungen und Potenziale bei der Anwendung von KI im Grafikdesign, einschließlich der Notwendigkeit kreativen Denkens, der Kuration und der Zusammenarbeit mit Fachleuten aus verschiedenen Bereichen. Sie berät Kandidaten, die sich für KI und maschinelles Lernen für Grafikdesign interessieren, um Projekterfahrung zu präsentieren und Forschungsmöglichkeiten zu verfolgen.
MIT 6.S192 - Vorlesung 20: Generative Kunst mit Diffusion, Prafulla Dhariwal
MIT 6.S192 - Vorlesung 20: Generative Kunst mit Diffusion, Prafulla Dhariwal
In diesem Vortrag diskutiert Prafulla Dhariwal von OpenAI die Fortschritte der generativen Modellierung für harte kreative Aufgaben, insbesondere mit Diffusionsmodellen. Der Prozess beinhaltet, mit einem Bild zu beginnen und ihm langsam Gaußsches Rauschen hinzuzufügen, dann den Prozess umzukehren, indem etwas verrauschter Schaden genommen und entrauscht wird, um weniger verrauschte Bilder zu erzeugen. Das generative Modell wird erhalten, indem ein Modell so trainiert wird, dass es Rauschen umkehrt, wobei zur Testzeit ein Bild aus reinem Rauschen erzeugt wird, indem das Modell Schritt für Schritt rückwärts ausgeführt wird. Die umgekehrte Vorhersage des Prozesses sieht auch wie eine Gaußsche Verteilung aus, wenn die Menge des hinzugefügten Rauschens sehr gering ist, was verwendet wird, um den Mittelwert und die Varianz des Modells vorherzusagen. Dhariwal erörtert auch die Verwendung von Diffusionsmodellen für das In-Painting und den Umgang mit den potenziellen Gefahren von KI-generierten Inhalten.
MIT 6.S192 - Vorlesung 19: Einfache Erstellung von 3D-Inhalten mit konsistenten neuronalen Feldern, Ajay Jain
MIT 6.S192 - Vorlesung 19: Einfache Erstellung von 3D-Inhalten mit konsistenten neuronalen Feldern, Ajay Jain
In diesem Vortrag stellt Ajay Jain seine Arbeit zu neuronalen Szenendarstellungen vor, wobei er sich speziell auf das Modell der neuralen Strahlungsfelder konzentriert, das spärlich abgetastete Eingabeansichten verwendet, um eine Darstellung der 3D-Geometrie und -Farbe einer Szene zu erstellen. Jain erörtert die Herausforderungen beim Anpassen eines neuralen Strahlungsfelds an eine einzelne Szene sowie Möglichkeiten zur Verbesserung der Dateneffizienz des Trainingsprozesses durch Hinzufügen von photometrischem Verlust und semantischem Konsistenzverlust. Er spricht auch über die Verwendung von CLIP zum Entfernen von Artefakten in NeRF und zum Generieren von 3D-Objekten aus Beschriftungen im Projekt Dream Fields. Weitere Themen sind das Erstellen konsistenter Vordergrundobjekte in Szenen, das Erfassen von beschrifteten 3D-Objektdatensätzen, das Reduzieren der Renderkosten und das Optimieren der Systemleistung.