详细内容或原文请订阅后点击阅览
模因领域的人工智能
Удивительно, но за мемы можно даже получить зачет в аспирантуре. По крайней мере, если ваш проект создан на базе алгоритмов глубокого обучения。 23-летний Лоренс Пирсон учится в аспирантуре в Стэнфорде на кафедре теоретической астрофизики. В этом году аспирант решил пройти еще и пару курсов в области искусственного интеллекта.
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）令人惊讶的是，模因甚至可以让你在研究生院获得学分。至少如果您的项目基于深度学习算法。 23 岁的劳伦斯·皮尔森 (Lawrence Pearson) 是斯坦福大学理论天体物理系的研究生。今年，这位研究生决定选修几门人工智能领域的课程。
作为课程项目的一部分，他和他的同事 Meltam Toluney 决定创建一个可以为模因提供字幕的神经网络。该作品现已以“Dank Learning”为标题出版。
有很多训练神经网络来创建签名的例子 - 例如，为图像添加标题，如“冲浪的男人”或“吃冰淇淋的孩子”。但劳伦斯决定教会网络不仅能给出准确的描述，而且还能给出有趣的描述。
在项目开始时，研究人员本人对这个想法持怀疑态度，但总结起来，他不得不承认，作为深度学习的结果，神经网络发展出了“一种相当有趣且原始的感觉”。幽默。”
获得深层模因
获得深层模因这个表情包短语是由神经网络生成的，它基于流行的模板并结合了动物的建议。为了训练网络，劳伦斯搜索了 memegenerator.net 网站，该网站拥有约 400,000 个用户生成的模因库。该网站提供模因模板，用户可以为图片添加自己的标题。
该项目的训练数据集包含大约 3000 张基本图像，每张图像都有多种字幕选项。结果，神经网络必须处理完全不同质量的签名。
“在 400,000 个模因中，并非所有模因都真正有趣，但它们仍然教会系统什么是模因以及这些图片会产生什么样的笑话，”劳伦斯说。
根据劳伦斯的说法，模因中的幽默通常建立在“一般来说，这是有道理的，但不是很有道理”的原则上。例如，这里是神经网络为动物模板获得的签名。
你不能仅仅称模因有趣
你不能仅仅称模因有趣