Нейронную сеть обучили изобретать названия насекомых
Исследовательница Джанелль Шейн провела очередной эксперимент с нейронной сетью, превратив ее в энтомолога. Обученный на обширной базе алгоритм придумывал забавные названия для насекомых, практически неотличимые от настоящих.
Исследователь Джанелль Шейн опубликовала результаты очередного забавного эксперимента с нейронными сетями. В этот раз алгоритм ученой превратился в энтомолога, которому было поручено «придумать» новые названия для насекомых.
Входные данные
Материалом для обучения послужила база общих названий насекомых Энтомологического Общества Америки, содержащая 2283 записей от Жука-щелкуна (abbreviated wireworm) до Сосновой моли Циммермана (Zimmerman pine moth).
Результат
Нейронная сеть справилась с поставленной задачей и действительно сгенерировала названия, для непривычного глаза неотличимые от научных. Среди новых «терминов» фигурировали и мохнатый долгоносик (woolly billbug), и кучный червь (mickleworm), и соевая бульварная муха (soybean mall fly), и виноградный медведь (grapebear), и даже огненная томатная зерновка (tomato fire weevil).
А самые впечатляющие изобретения были проиллюстрированы:
На данный момент этот блок не поддерживается, но мы не забыли о нём!Наша команда уже занята его разработкой, он будет доступен в ближайшее время.
Ранее мы уже рассказывали о подобных любопытных экспериментах Джанелль Шейн. Например, недавно исследовательница превращала свой алгоритм в ихтиолога и орнитолога, которым нужно было изобрести хитрые названия для рыб и птиц. А еще эта нейронная сеть умеет делать странные комплименты.
1К открытий1К показов
Составили подборку новостей из мира IT. Рассказываем о запрете статьей о VPN, об огранениях Open Source в РФ и о борьбе Google с торрентами.
Разработчик создал бесплатную ChatGPT, использовав уязвимость в API от OpenAI. Проект получил название GPT4Free.
В этой статье мы указали 30 инструментов на основе ИИ, которые улучшат вашу жизнь и значительно упростят работу.
Рассказываем, как правильно подобрать данные для машинного обучения, какие данные подойдут и как использовать данные клиентов для ML.