il ruolo e in particolare stiamo andando
parla della domanda che non ero io
prendi una ragazza al lavoro e chiedi di fare
un po ‘di musica o un po’ di arte e così prima
parliamo di machine learning uno di
la linea che molti di voi hanno mostrato
le mani vanno bene così che il lavoro è a più strati
i dilettanti sono visti qui per vederne alcuni
scatola nera quelli che chiamiamo i loro occhi
analogia con il cervello e loro sono
collegati tra loro da quelle linee bianche
quali sono gli assoni dei neuroni insieme
nel cervello ma è davvero solo un
anomalia
loro spettatori che ognuno di questi
i neuroni eseguono un minuscolo pezzettino
più forse riassume alcuni numeri che
non si moltiplica e nel farlo
attraverso numerosi neuroni in uno stato di
Caracalla per la traduzione che potresti provare
quello di milioni e ragazze e ora
stiamo parlando di modelli che contengono
miliardi di neuroni e essere in grado di
addestrare le loro GPU top model e il modo
quella formazione funziona è quella bianca
le linee stanno in realtà sprecando il loro numero
può essere tra meno 1 e 1 e lì
sono regole di addestramento delle regole che consentono
quei numeri per adattarsi lentamente a
per risolvere un problema , ad esempio
Vedo un’immagine di qualcosa nel
cesto della biancheria
e sta cercando di capire cosa è un
cesto di teflon ed infatti è una parrucca
e circa posso dirti se indovina
sbagliato è un po ‘imbarazzante
gradualmente oltre milioni e miliardi di
prove impara gradualmente a identificare
e la parte fredda a questo proposito è che fa
quindi in un modo che è flessibile in generale
così imparano piccoli filtri come il
iniziativa tecnologica che rileva piccoli pacchetti
di luce e sarà capire cosa un
il cane è o un gatto non è da loro 12 regole
che cosa è quel dollaro cad da capire
per se stesso così il messaggio porta a casa
questo è se l’intelligenza artificiale è
il lavoro di costruzione di smart computer o
computer intelligenti quindi apprendimento automatico
è la costruzione di computer che possono imparare a
essere migliori e abbiamo visto un enorme enorme
guadagna in un grande ruolo di problemi cardiaci
usando Mishima uno dei più recenti è
un problema con la traduzione e un po ‘di lavoro
che in realtà è successo in Google
prima che altre parole stiano imparando come
traduci da una lingua all’altra
semplicemente mostrando la loro rete neurale
abbinare le frasi in modo tale alla rete neurale
vedrebbe è inserire una frase in inglese
e poi saprebbe che lingua era
cercando di tradurlo per e sarebbe
prova a tradurre quella frase e il
lo sfondo otterrà qualche errore e
impara ad allenare tutti i neuroni nel
rete con i modi per fare il giusto
versione e la qualità di questo è
niente durare il mio diverso dallo shopping
rivoluzionario, quindi guardiamo a questo
da un articolo scritto da un giapponese
ricercatore che stava guardando
la qualità della traduzione e l’espressività
traduzione e vediamo nel nostro vecchio modello
una traduzione di una linea che è tornata
quando l’Akane giapponese torna in inglese
comunque se il leopardo ha
ciò che la domanda aveva quell’altezza
non c’è nessuno che possa spiegare
catturato l’essenza di ciò che sta accadendo
ma sicuramente non è il cibo il nuovo
sistema che utilizza la rete neurale
si traduce chiede nessuno può spiegare cosa
leopardo cercava a quella quota è
mancato il segno un blu lì per te ma
mi suggerisce che questi modelli sono
diventando abbastanza buono e stanno ottenendo
abbastanza buono perché sono grandi
dati in modo che possiamo iniziare a fare domande
Chi siamo in grado di fare alcune cose con questi
modelli che sono veramente espressivi
questo ci permette di creare qualcosa di nuovo
possiamo generare nuovi paragrafi si può
generare musica parte immaginaria e cosa
questo significa per noi
non con termini di creatività, quindi iniziamo
qui iniziamo con qualcosa di così semplice
come Google nelle scatole nero intelligente dà
hai una frase come se non avessi piani
ancora o solo qualcosa per te e noi siamo
sperando di passare da lì verso più
usi espressivi di questa tecnologia no
solo musica e disegno ma anche in
lingua e altrove dal modo in cui è
che quelle statistiche dovrebbero essere
sorprendendoti penso che loro
mi sorprende il 12% delle risposte
che spero sono ciclici e tutti di base
suggerimenti che è un numero enorme
okay, colpisci reset, sono un genitore della pistola o
mia figlia Olivia qui è stata grazie a Dio
si è laureata per aiutare adesso mio figlio Sam
è a JLS ora perché uno era per
qualsiasi cosa quindi era una persona uno di
questi baci e ho messo la loro foto
qui non perché volevo mettermi in mostra
questi ragazzi ma perché volevo fare
un commento che ora si sta spostando dalla traduzione
verso l’ utilizzo della tecnologia per comunicare
Sono qui per parlare di arte e musica ma
Penso che ciò che rende sia importante è quello
è un artista che comunica con lei
il pubblico si tratta di avere qualcosa da fare
diciamo e abbiamo sempre usato la tecnologia per
supportalo nelle braccia che abbiamo dipinto
non abbiamo macchine fotografiche stiamo pubblicando un
avatar e ecc. e quindi la ragione per cui l’ho messa
questa diapositiva qui è per riconnettersi a
fondamentalmente ciò che sta accadendo
con questa rivoluzione di possedere
dispositivi e software più intelligente e intelligente
è che le persone stanno trovando nuovi modi
per campagna forse è con snapchat e
Instagram e questo è davvero diretto
per i genitori nella stanza non riesco a vedere
tu, ma io ci sono mai stato, penso che ci sia
un enorme c’è un enorme rischio con questi
gli smartphone hanno quasi preso il sopravvento su di lui
vive qui allo stesso modo in cui eravamo in Giappone
e vedi la prevalenza dei dispositivi è
ovunque seduto accanto a Robin ma a
allo stesso tempo penso che si apra di nuovo
e opportunità molto interessanti per
questa prossima generazione per comunicare in a
modo che ti apre sai molto di più
modi interessanti per sfruttare gli altri
vive e penso che ci sia un aspetto di
questo è molto possibile se stiamo attenti
con quello che facciamo e quindi voglio che tu veda
questa connessione tra arte e musica
e comunicazione e cerca di farlo
collegamento generale alla macchina
traduzione e fare la domanda può lei
indossare
dacci qualcosa di nuovo, qualcosa che non facciamo
in questo momento ho dato una forma nuova
è recitativo
e spero che, come si trascino attraverso due
esempi vedrai che usando l’ arte
posti fantastici per esplorare questo così
stiamo andando al numero uno al numero uno
parla del muro di cui parleremo
su come allenarsi
algoritmi di apprendimento reti neurali a
disegnare le immagini ora useremo il
set di dati che proviene da un gioco sia veloce
guidare io sono un popolo qui per una rapida caduta
sicuramente vedere un paio di mani era a
gioco a giocare pictionary contro il
computer e i punzoni del computer sono
disegno e se hai capito bene dice
oh tu l’hai guidato che non abbiamo raccolto
oltre 1 miliardo di disegni con questo gioco
è un numero scioccante e noi abbiamo risparmiato
tutti i colpi così lo vedi
possiamo vedere uno splendido banner a destra
in realtà animare il disegno di quello
sopportare non solo le correzioni che noi
abbiamo intenzione di vedere cosa possiamo
offerta e quindi cosa faremo cosa
abbiamo fatto è stato deciso di imparare a disegnare
sulla base di questi quindi questi piccoli disegni
e voglio che tu venga via, lo farò
fare un punto sulla squadra che penso sia
importante per questo ok sono su di te
sapere se abbiamo avuto il tempo ci avrebbe continuato a
tre o quattro principi della macchina
imparando sono importanti per il nostro
cuori ma che quel principio è quello
la memorizzazione è una cattiva idea
la memorizzazione è una cattiva idea e il
la memorizzazione recente è una cattiva idea
che un modello che hai appena avrebbe
memorizzare i dati della malattia mai
impara qual è la proprietà importante che vogliamo
per capire il succo di disegnare il
può sembrare il succo di Jonica
come una cosa stupida da fare ma
e così dare un’occhiata da vicino a quello che abbiamo
qui sullo schermo ne abbiamo tre divertenti
le parole encoder ricevono e decodificano urgentemente
il lavoro dell’encoder è quello di prendere il
disegnare e rappresentarlo in qualche modo
che può essere compreso dalla macchina
soldi che hanno la codifica del disegno
con un po ‘di spazio blu sull’altro lato
il lavoro decoder è quello di approfittare di
qualunque informazione sia in quello spazio
e ricrea il lavoro, okay, se puoi
vedi si può pensare come tipo di
memoria quanto quanto succo fa questo
modello potresti vedere enorme e cosa c’è
Farà semplicemente finisce alcuni
memorizzare tutti i tratti perché ha di più
capacità in modo che usiamo quelli rendono C piccolo
mezzi del rumore americano per vedere ora quello
quello che fa apparire un bel penso sia carino
ed effetto affascinante che è quello
il modello non è in grado di riprodursi meglio
di malattia e se mentre sono stati
parlando di guardare questi due
i disegni l’input è stato disegnato da David
caldo ricercatore primario sul progetto
quello che ha decodificato l’elefante
non sembra esattamente lo stesso
baffi di amianto non cinque e questo è
perché questo modello non sa come
rappresentare un gatto del fuoco non vede abbastanza
di loro e così aveva visto se fossi loro
gatto e il meglio che può fare è fare
gli errori sono stati ricapitolati penso che ci sia
qualcosa di molto molto suggestivo
che a sua volta quattro
queste sono alcune posizioni yoga che erano
caduto da un treno modello su yoga tu
può vedere il modello di apprendimento automatico può
catturare molti e tanti cuscinetti mentre
ancora non essere in grado di memorizzare il
dati quindi nessuna di queste pose esiste in a
costruendo eccetto quelli che sono tendenza
dalla macchina e abbiamo modi per
rendere i disegni un po ‘più rischiosi a
poco più pazzo quindi quelli sul fondo
sono pazzi di yoga caldo per la tua salute
non vedi che sei tu al
in cima a questo Amy dicono che li provano
inoltre perché abbiamo i colpi
al posto che vede i cani c’è a
in modo che possiamo iniziare un disegno e lasciarli
ha finito gli applausi e penso questo
capacità di prendere una sorta di una parte di un
l’idea da noi ed espandere su di esso è
Davvero interessante, quindi ecco David
cercando di imparare come disegnare vestido e
fullcycle e in realtà ha detto che lo sai
Non posso aver disegnato la velocità per
facendo questo progetto e che guidi avanti
guarda alla tua destra vedi nove
modi diversi finalmente meglio ancora e così
questo tipo di giocosità e abilità a
esplorare quello che penso sia davvero meraviglioso
infine perché questi modelli non possono
mai lo dico perché a volte
scoprire aspetti interessanti forse divertenti
sul nostro mondo quotidiano a sinistra noi
avere un gruppo di gatti è abbastanza normale
gatto si asciuga e loro ottengono più o meno
riprodotto dall’onorevole cast veloce
il diritto d’Inghilterra che porci
trasformato in una cosa a quattro zampe
e il mio preferito il mio preferito preferito
è disegnare il mondo con questo progetto
quel camion che è messo in un modello di
quei cupcakes
e in particolare ho intenzione di parlare di
insegnare il luppolo della rete neurale a a
querelante in questo caso stiamo andando a
parlare di suonare la musica per pianoforte
sull’aula in cui ho lavorato
questo spazio per 25 anni posso dirti
ci sono stati molti tentativi di
prendere un sacco di belle composizioni
da un famoso compositore e poi insegnare
loro la propria rete come fare un nuovo
uno qui è composto da 100 composizioni rock
fare 130 e in generale i risultati
sono stati nel migliore dei casi interessanti in questo
caso abbiamo cambiato le regole del gioco
e invece di cercare di prevedere il
la composizione della prossima nota invece siamo
lavorerò con spettacoli davvero divertenti
inizia
e questo dato è venuto da Google questo
proveniva dall’ottico Yamaha ogni
Concorrenza repubblicana e riducono
il nome audio di questo comitato così ma
avere un’altra parola chiave, sì, così tu
vediamo ora che ci alleneremo su di esso
non solo un bel punteggio che è
incontaminato
è il non esattamente dove hanno bisogno
per essere non c’è alcun rumore e
invece saremo molto più disordinati
dati otterremo una vera performance
con decisioni come ho intenzione di pin
più forte sotto il mio software sotto sotto
questo basso e rispetto a quello che possiamo fare
con i punteggi posso dirti che il
risultati che stiamo ottenendo questi
le esibizioni sono molto ciò che sei
sentire ora è l’output di un neurone
collegare in rete queste composizioni dove
queste esibizioni verranno vorrebbero
perché sono il loro modello di gioco
non simile a nessuno dei set di allenamento
quindi non devi aspettarti solo te
la tua forma a lungo termine
Sonata di cinque minuti ma spero che appaia
è raccogliendo su D i tempi e il
il volume cambia la nostra vera performance
dare a questa rete neurale qualcosa
è piuttosto interessante da cui imparare
pescando per noi per vedere il musical
analogia
[Musica]
[Musica]
non è necessario allarmare questi modelli
sono abbastanza buono dare un’occhiata al
questo è mostrare la specializzazione studentesca di Penn State
sulla parte superiore della stampante che è probabilmente animali
cosa pensi che sia il tempo
vedi a destra che è un mezzo
quando si parla di
cioè possiamo muoversi che stare così
potresti esplorare ciò che è vicino a quello
camion di cibo e quali altri camion possiamo
generare vicino a quella foto o cosa è
vicino a questa cache perché lo spazio
con cui dobbiamo giocare riguarda loro
rilevamento dei numeri e così ci muoviamo
in giro per l’America e abbiamo lavorato
con quello degli stati della musica pure e
quello che abbiamo modellato ora non è il piano freddo
spettacoli nel mondo classico ma
la musica pop è basata su loop pacifici
problemi e il modello che abbiamo però
presenza importante in realtà ne vedono solo una
mentore che è in quel momento e quello
ci consente di costruire un modello dove possiamo
muovi in quello spazio così che sei
andando sentire è una demo in cui si comincia con
una misura di fornitura
privato e non cancella l’ultimo
meglio e poi sentirai il
computer la rete neurale tenta di trovare
la sua strada dall’uno all’altro
[Musica]
[Applausi]
[Musica]
[Applausi]
[Musica]
[Applausi]
[Musica]
[Applausi]
[Musica]
[Applausi]
[Musica]
[Applausi]
[Musica]
[Applausi]
ora facciamo la stessa cosa ma noi abbiamo
spazio drammatico e melodia e sto cambiando
queste misure insieme facendo a
composizione e questa piccola cosa giusta
qui la rete neurale ha generato tutto
tre parti
e penso che sia piuttosto interessante come
perché vengono dalla stessa sede
quel piccolo mondo compresso che loro
tipo di comunicare tra loro così il
base e il tipo legale di qui
va bene che avranno a che fare così
supponendo che questi siano due pedali per chitarra
la tua chitarra elettrica ha preso ciò che abbiamo preso di mira
noi e tu puoi guidare veloce e noi
pensare a loro come un obiettivo per noi perché
parte del mio potenziale che scrivere un sacco di
Software
Scrivo un sacco di codice e open-source
mezzogiorno ma è molto più difficile in realtà
arrivare al punto in cui abbiamo gli strumenti
che i musicisti di artisti possono usare i programmatori
e quindi stiamo pensando tutto il tempo
qual è l’analogia di qualcosa che è
così perfetto qualche utile come la chitarra cadde
e se non stai vedendo l’analogia
che sottolineano questi post di chitarra
momenti simulati usando il tuo portatile tu
praticamente sostituito dal codice ma
nessuno assume il palcoscenico, non lo è
lavoro, quindi dobbiamo giocare secondo le regole
comunità e quindi stiamo lavorando
classe ci stiamo lavorando per questo nel nostro
progetto se vuoi saperne di più controlla
siamo fuori siamo gtfo magenta è un
progetto completamente open source abbiamo a
blog e uno specialista in particolare
perché siamo qui sono qui, siamo sempre
cercando la nostra gente o collaborazione
punti di lavoro davvero difficili
e sperimentando nuovi artisti musicisti
e ci piacerebbe sentirti, puoi
raggiungici tramite i nostri specialisti di cui discuto
il mio lavoro lì e
[Applausi]
parla della domanda che non ero io
prendi una ragazza al lavoro e chiedi di fare
un po ‘di musica o un po’ di arte e così prima
parliamo di machine learning uno di
la linea che molti di voi hanno mostrato
le mani vanno bene così che il lavoro è a più strati
i dilettanti sono visti qui per vederne alcuni
scatola nera quelli che chiamiamo i loro occhi
analogia con il cervello e loro sono
collegati tra loro da quelle linee bianche
quali sono gli assoni dei neuroni insieme
nel cervello ma è davvero solo un
anomalia
loro spettatori che ognuno di questi
i neuroni eseguono un minuscolo pezzettino
più forse riassume alcuni numeri che
non si moltiplica e nel farlo
attraverso numerosi neuroni in uno stato di
Caracalla per la traduzione che potresti provare
quello di milioni e ragazze e ora
stiamo parlando di modelli che contengono
miliardi di neuroni e essere in grado di
addestrare le loro GPU top model e il modo
quella formazione funziona è quella bianca
le linee stanno in realtà sprecando il loro numero
può essere tra meno 1 e 1 e lì
sono regole di addestramento delle regole che consentono
quei numeri per adattarsi lentamente a
per risolvere un problema , ad esempio
Vedo un’immagine di qualcosa nel
cesto della biancheria
e sta cercando di capire cosa è un
cesto di teflon ed infatti è una parrucca
e circa posso dirti se indovina
sbagliato è un po ‘imbarazzante
gradualmente oltre milioni e miliardi di
prove impara gradualmente a identificare
e la parte fredda a questo proposito è che fa
quindi in un modo che è flessibile in generale
così imparano piccoli filtri come il
iniziativa tecnologica che rileva piccoli pacchetti
di luce e sarà capire cosa un
il cane è o un gatto non è da loro 12 regole
che cosa è quel dollaro cad da capire
per se stesso così il messaggio porta a casa
questo è se l’intelligenza artificiale è
il lavoro di costruzione di smart computer o
computer intelligenti quindi apprendimento automatico
è la costruzione di computer che possono imparare a
essere migliori e abbiamo visto un enorme enorme
guadagna in un grande ruolo di problemi cardiaci
usando Mishima uno dei più recenti è
un problema con la traduzione e un po ‘di lavoro
che in realtà è successo in Google
prima che altre parole stiano imparando come
traduci da una lingua all’altra
semplicemente mostrando la loro rete neurale
abbinare le frasi in modo tale alla rete neurale
vedrebbe è inserire una frase in inglese
e poi saprebbe che lingua era
cercando di tradurlo per e sarebbe
prova a tradurre quella frase e il
lo sfondo otterrà qualche errore e
impara ad allenare tutti i neuroni nel
rete con i modi per fare il giusto
versione e la qualità di questo è
niente durare il mio diverso dallo shopping
rivoluzionario, quindi guardiamo a questo
da un articolo scritto da un giapponese
ricercatore che stava guardando
la qualità della traduzione e l’espressività
traduzione e vediamo nel nostro vecchio modello
una traduzione di una linea che è tornata
quando l’Akane giapponese torna in inglese
comunque se il leopardo ha
ciò che la domanda aveva quell’altezza
non c’è nessuno che possa spiegare
catturato l’essenza di ciò che sta accadendo
ma sicuramente non è il cibo il nuovo
sistema che utilizza la rete neurale
si traduce chiede nessuno può spiegare cosa
leopardo cercava a quella quota è
mancato il segno un blu lì per te ma
mi suggerisce che questi modelli sono
diventando abbastanza buono e stanno ottenendo
abbastanza buono perché sono grandi
dati in modo che possiamo iniziare a fare domande
Chi siamo in grado di fare alcune cose con questi
modelli che sono veramente espressivi
questo ci permette di creare qualcosa di nuovo
possiamo generare nuovi paragrafi si può
generare musica parte immaginaria e cosa
questo significa per noi
non con termini di creatività, quindi iniziamo
qui iniziamo con qualcosa di così semplice
come Google nelle scatole nero intelligente dà
hai una frase come se non avessi piani
ancora o solo qualcosa per te e noi siamo
sperando di passare da lì verso più
usi espressivi di questa tecnologia no
solo musica e disegno ma anche in
lingua e altrove dal modo in cui è
che quelle statistiche dovrebbero essere
sorprendendoti penso che loro
mi sorprende il 12% delle risposte
che spero sono ciclici e tutti di base
suggerimenti che è un numero enorme
okay, colpisci reset, sono un genitore della pistola o
mia figlia Olivia qui è stata grazie a Dio
si è laureata per aiutare adesso mio figlio Sam
è a JLS ora perché uno era per
qualsiasi cosa quindi era una persona uno di
questi baci e ho messo la loro foto
qui non perché volevo mettermi in mostra
questi ragazzi ma perché volevo fare
un commento che ora si sta spostando dalla traduzione
verso l’ utilizzo della tecnologia per comunicare
Sono qui per parlare di arte e musica ma
Penso che ciò che rende sia importante è quello
è un artista che comunica con lei
il pubblico si tratta di avere qualcosa da fare
diciamo e abbiamo sempre usato la tecnologia per
supportalo nelle braccia che abbiamo dipinto
non abbiamo macchine fotografiche stiamo pubblicando un
avatar e ecc. e quindi la ragione per cui l’ho messa
questa diapositiva qui è per riconnettersi a
fondamentalmente ciò che sta accadendo
con questa rivoluzione di possedere
dispositivi e software più intelligente e intelligente
è che le persone stanno trovando nuovi modi
per campagna forse è con snapchat e
Instagram e questo è davvero diretto
per i genitori nella stanza non riesco a vedere
tu, ma io ci sono mai stato, penso che ci sia
un enorme c’è un enorme rischio con questi
gli smartphone hanno quasi preso il sopravvento su di lui
vive qui allo stesso modo in cui eravamo in Giappone
e vedi la prevalenza dei dispositivi è
ovunque seduto accanto a Robin ma a
allo stesso tempo penso che si apra di nuovo
e opportunità molto interessanti per
questa prossima generazione per comunicare in a
modo che ti apre sai molto di più
modi interessanti per sfruttare gli altri
vive e penso che ci sia un aspetto di
questo è molto possibile se stiamo attenti
con quello che facciamo e quindi voglio che tu veda
questa connessione tra arte e musica
e comunicazione e cerca di farlo
collegamento generale alla macchina
traduzione e fare la domanda può lei
indossare
dacci qualcosa di nuovo, qualcosa che non facciamo
in questo momento ho dato una forma nuova
è recitativo
e spero che, come si trascino attraverso due
esempi vedrai che usando l’ arte
posti fantastici per esplorare questo così
stiamo andando al numero uno al numero uno
parla del muro di cui parleremo
su come allenarsi
algoritmi di apprendimento reti neurali a
disegnare le immagini ora useremo il
set di dati che proviene da un gioco sia veloce
guidare io sono un popolo qui per una rapida caduta
sicuramente vedere un paio di mani era a
gioco a giocare pictionary contro il
computer e i punzoni del computer sono
disegno e se hai capito bene dice
oh tu l’hai guidato che non abbiamo raccolto
oltre 1 miliardo di disegni con questo gioco
è un numero scioccante e noi abbiamo risparmiato
tutti i colpi così lo vedi
possiamo vedere uno splendido banner a destra
in realtà animare il disegno di quello
sopportare non solo le correzioni che noi
abbiamo intenzione di vedere cosa possiamo
offerta e quindi cosa faremo cosa
abbiamo fatto è stato deciso di imparare a disegnare
sulla base di questi quindi questi piccoli disegni
e voglio che tu venga via, lo farò
fare un punto sulla squadra che penso sia
importante per questo ok sono su di te
sapere se abbiamo avuto il tempo ci avrebbe continuato a
tre o quattro principi della macchina
imparando sono importanti per il nostro
cuori ma che quel principio è quello
la memorizzazione è una cattiva idea
la memorizzazione è una cattiva idea e il
la memorizzazione recente è una cattiva idea
che un modello che hai appena avrebbe
memorizzare i dati della malattia mai
impara qual è la proprietà importante che vogliamo
per capire il succo di disegnare il
può sembrare il succo di Jonica
come una cosa stupida da fare ma
e così dare un’occhiata da vicino a quello che abbiamo
qui sullo schermo ne abbiamo tre divertenti
le parole encoder ricevono e decodificano urgentemente
il lavoro dell’encoder è quello di prendere il
disegnare e rappresentarlo in qualche modo
che può essere compreso dalla macchina
soldi che hanno la codifica del disegno
con un po ‘di spazio blu sull’altro lato
il lavoro decoder è quello di approfittare di
qualunque informazione sia in quello spazio
e ricrea il lavoro, okay, se puoi
vedi si può pensare come tipo di
memoria quanto quanto succo fa questo
modello potresti vedere enorme e cosa c’è
Farà semplicemente finisce alcuni
memorizzare tutti i tratti perché ha di più
capacità in modo che usiamo quelli rendono C piccolo
mezzi del rumore americano per vedere ora quello
quello che fa apparire un bel penso sia carino
ed effetto affascinante che è quello
il modello non è in grado di riprodursi meglio
di malattia e se mentre sono stati
parlando di guardare questi due
i disegni l’input è stato disegnato da David
caldo ricercatore primario sul progetto
quello che ha decodificato l’elefante
non sembra esattamente lo stesso
baffi di amianto non cinque e questo è
perché questo modello non sa come
rappresentare un gatto del fuoco non vede abbastanza
di loro e così aveva visto se fossi loro
gatto e il meglio che può fare è fare
gli errori sono stati ricapitolati penso che ci sia
qualcosa di molto molto suggestivo
che a sua volta quattro
queste sono alcune posizioni yoga che erano
caduto da un treno modello su yoga tu
può vedere il modello di apprendimento automatico può
catturare molti e tanti cuscinetti mentre
ancora non essere in grado di memorizzare il
dati quindi nessuna di queste pose esiste in a
costruendo eccetto quelli che sono tendenza
dalla macchina e abbiamo modi per
rendere i disegni un po ‘più rischiosi a
poco più pazzo quindi quelli sul fondo
sono pazzi di yoga caldo per la tua salute
non vedi che sei tu al
in cima a questo Amy dicono che li provano
inoltre perché abbiamo i colpi
al posto che vede i cani c’è a
in modo che possiamo iniziare un disegno e lasciarli
ha finito gli applausi e penso questo
capacità di prendere una sorta di una parte di un
l’idea da noi ed espandere su di esso è
Davvero interessante, quindi ecco David
cercando di imparare come disegnare vestido e
fullcycle e in realtà ha detto che lo sai
Non posso aver disegnato la velocità per
facendo questo progetto e che guidi avanti
guarda alla tua destra vedi nove
modi diversi finalmente meglio ancora e così
questo tipo di giocosità e abilità a
esplorare quello che penso sia davvero meraviglioso
infine perché questi modelli non possono
mai lo dico perché a volte
scoprire aspetti interessanti forse divertenti
sul nostro mondo quotidiano a sinistra noi
avere un gruppo di gatti è abbastanza normale
gatto si asciuga e loro ottengono più o meno
riprodotto dall’onorevole cast veloce
il diritto d’Inghilterra che porci
trasformato in una cosa a quattro zampe
e il mio preferito il mio preferito preferito
è disegnare il mondo con questo progetto
quel camion che è messo in un modello di
quei cupcakes
e in particolare ho intenzione di parlare di
insegnare il luppolo della rete neurale a a
querelante in questo caso stiamo andando a
parlare di suonare la musica per pianoforte
sull’aula in cui ho lavorato
questo spazio per 25 anni posso dirti
ci sono stati molti tentativi di
prendere un sacco di belle composizioni
da un famoso compositore e poi insegnare
loro la propria rete come fare un nuovo
uno qui è composto da 100 composizioni rock
fare 130 e in generale i risultati
sono stati nel migliore dei casi interessanti in questo
caso abbiamo cambiato le regole del gioco
e invece di cercare di prevedere il
la composizione della prossima nota invece siamo
lavorerò con spettacoli davvero divertenti
inizia
e questo dato è venuto da Google questo
proveniva dall’ottico Yamaha ogni
Concorrenza repubblicana e riducono
il nome audio di questo comitato così ma
avere un’altra parola chiave, sì, così tu
vediamo ora che ci alleneremo su di esso
non solo un bel punteggio che è
incontaminato
è il non esattamente dove hanno bisogno
per essere non c’è alcun rumore e
invece saremo molto più disordinati
dati otterremo una vera performance
con decisioni come ho intenzione di pin
più forte sotto il mio software sotto sotto
questo basso e rispetto a quello che possiamo fare
con i punteggi posso dirti che il
risultati che stiamo ottenendo questi
le esibizioni sono molto ciò che sei
sentire ora è l’output di un neurone
collegare in rete queste composizioni dove
queste esibizioni verranno vorrebbero
perché sono il loro modello di gioco
non simile a nessuno dei set di allenamento
quindi non devi aspettarti solo te
la tua forma a lungo termine
Sonata di cinque minuti ma spero che appaia
è raccogliendo su D i tempi e il
il volume cambia la nostra vera performance
dare a questa rete neurale qualcosa
è piuttosto interessante da cui imparare
pescando per noi per vedere il musical
analogia
[Musica]
[Musica]
non è necessario allarmare questi modelli
sono abbastanza buono dare un’occhiata al
questo è mostrare la specializzazione studentesca di Penn State
sulla parte superiore della stampante che è probabilmente animali
cosa pensi che sia il tempo
vedi a destra che è un mezzo
quando si parla di
cioè possiamo muoversi che stare così
potresti esplorare ciò che è vicino a quello
camion di cibo e quali altri camion possiamo
generare vicino a quella foto o cosa è
vicino a questa cache perché lo spazio
con cui dobbiamo giocare riguarda loro
rilevamento dei numeri e così ci muoviamo
in giro per l’America e abbiamo lavorato
con quello degli stati della musica pure e
quello che abbiamo modellato ora non è il piano freddo
spettacoli nel mondo classico ma
la musica pop è basata su loop pacifici
problemi e il modello che abbiamo però
presenza importante in realtà ne vedono solo una
mentore che è in quel momento e quello
ci consente di costruire un modello dove possiamo
muovi in quello spazio così che sei
andando sentire è una demo in cui si comincia con
una misura di fornitura
privato e non cancella l’ultimo
meglio e poi sentirai il
computer la rete neurale tenta di trovare
la sua strada dall’uno all’altro
[Musica]
[Applausi]
[Musica]
[Applausi]
[Musica]
[Applausi]
[Musica]
[Applausi]
[Musica]
[Applausi]
[Musica]
[Applausi]
[Musica]
[Applausi]
ora facciamo la stessa cosa ma noi abbiamo
spazio drammatico e melodia e sto cambiando
queste misure insieme facendo a
composizione e questa piccola cosa giusta
qui la rete neurale ha generato tutto
tre parti
e penso che sia piuttosto interessante come
perché vengono dalla stessa sede
quel piccolo mondo compresso che loro
tipo di comunicare tra loro così il
base e il tipo legale di qui
va bene che avranno a che fare così
supponendo che questi siano due pedali per chitarra
la tua chitarra elettrica ha preso ciò che abbiamo preso di mira
noi e tu puoi guidare veloce e noi
pensare a loro come un obiettivo per noi perché
parte del mio potenziale che scrivere un sacco di
Software
Scrivo un sacco di codice e open-source
mezzogiorno ma è molto più difficile in realtà
arrivare al punto in cui abbiamo gli strumenti
che i musicisti di artisti possono usare i programmatori
e quindi stiamo pensando tutto il tempo
qual è l’analogia di qualcosa che è
così perfetto qualche utile come la chitarra cadde
e se non stai vedendo l’analogia
che sottolineano questi post di chitarra
momenti simulati usando il tuo portatile tu
praticamente sostituito dal codice ma
nessuno assume il palcoscenico, non lo è
lavoro, quindi dobbiamo giocare secondo le regole
comunità e quindi stiamo lavorando
classe ci stiamo lavorando per questo nel nostro
progetto se vuoi saperne di più controlla
siamo fuori siamo gtfo magenta è un
progetto completamente open source abbiamo a
blog e uno specialista in particolare
perché siamo qui sono qui, siamo sempre
cercando la nostra gente o collaborazione
punti di lavoro davvero difficili
e sperimentando nuovi artisti musicisti
e ci piacerebbe sentirti, puoi
raggiungici tramite i nostri specialisti di cui discuto
il mio lavoro lì e
[Applausi]
Please follow and like us: