DEEP DREAM MX

Esta pagina de Facebook se dedica inicialmente a promover y dar a conocer el efecto psicodélico y abstracto de DeepDream mostrando imágenes coloridas y distorsionadas de la realidad.

Pero que es el efecto Deep Dream?

Deep Dream es un algoritmo de procesamiento de imágenes creado por Google, que se basa en la enseñanza de sus computadoras, en cuanto a la forma de ver, entender y apreciar nuestro mundo.

Además, está formado por una red neuronal artificial, que fue entrenada mostrando millones de imágenes como ejemplo, para así ajustar poco a poco los parámetros de la red, hasta obtener la clasificación deseada.

Como funciona?

Las redes neuronales comprenden un sistema de procesamiento de información que simula el funcionamiento del sistema nervioso, mediante el uso de neuronas artificiales que aprenden y procesan información, modelando un problema matemáticamente por medio de algoritmos, para entregar una solución. Se les da el nombre de redes neuronales porque imitan de forma sencilla el sistema que tienen las neuronas de nuestro cerebro de procesar información.

Estas redes neuronales tienen distintas características:
Son capaces de adquirir información y utilizarla para mejorar su modo de funcionamiento.
Imitan la forma en que el cerebro reorganiza la información cerebral.
se auto-organizan, son dinámicas, tolerando y ajustando los errores por sí solas.

En el caso de Deep Dream, la red fue entrenada simplemente mostrando muchos ejemplos de lo que se quería que aprendiera, de manera que extrajera lo esencial de cada objeto. Así se construyó una red capaz de tomar decisiones y analizar por si misma una imagen. En su utilización se escoge una capa para que la red mejore lo que ha sido detectado. Cada capa de la red incorpora características a un nivel diferente de abstracción, por lo que, la complejidad de las funciones generadas depende de qué capa se escoja para mejorar una imagen.

Clasificación de capas neuronales:
Primeras capas: Son sensibles a funciones básicas, como bordes y sus orientaciones.
Capas intermedias: Interpretan características básicas; buscan formas o componentes generales, como una puerta o una hoja.
Capas finales: Las neuronas se activan en respuesta a cosas muy complejas, como edificios o árboles, identificando características más sofisticadas

Esta técnica da un sentido cualitativo del nivel de abstracción que una capa en particular ha conseguido en su comprensión de imágenes. Llamando a esta técnica "inceptionism" en referencia a la arquitectura de red neuronal utilizada.

En algunos casos la red neuronal no representa precisamente lo que se le pide. Como ejemplo, la red diseña un pensamiento que parecen ser pesas de gimnasia, pero no hay una imagen de la mancuerna completa, sin un levantador de pesas ahí. En este caso la red neuronal no pudo rescatar la esencia de una pesa, tal vez porque en el aprendizaje nunca se le mostró una mancuerna sin un brazo que la sostenga.

Se le pide a la red: "lo que ves ahí, quiero más de eso". Entonces, si una nube se ve como un pájaro, la red hará que se vea más como un pájaro; esto a su vez hace que la red reconozca al ave con más fuerza, hasta que aparezca un pájaro muy detallado. Obteniendo así, un resultado de sobre-interpretación, tal como cuando los niños disfrutan viendo las nubes e interpretando sus formas.

Visita su sitio: https://m.facebook.com/Deepdreamw/