Embed Size (px)
Citation preview
QUICK, DRAW!
Agenda
1. Was ist “Quick, Draw!”?
2. Einführung in Machine Learning
3. Datensatz
4. Anwendungsbeispiele
5. Zukunft/Diskussion
Quick, Draw!Was macht Google Quick, Draw! und
wofür wird es benutzt?
Was ist es?
Spiel
Machine Learning
AI Experiment
zeichnet gegebenes Wort
Nutzer Quick, Draw! Neuronales Netzwerk
nutzt das Neuronale Netzwerk, um herauszufinden, was gezeichnet wird
gibt Vermutungen oder Affirmationen zurück
gibt Feedback zurück
Quick, Draw! Neuronales Netzwerk
sendet Wort und gespeicherte Informationen an Netzwerk
gibt nach Lernphase bessere Vermutungen ab
trainiert das neurale Netzwerk mit jedem neuen Eintrag.
Machine LearningKurze Einführung in Machine Learning
“Maschinelles Lernen ist die künstliche Generierung von Wissen
aus Erfahrung.”
“The software can recognize a feather, as long as it looks similar to what the humans who contributed its training set think a feather
looks like.”
Möglichkeiten und Limiten 1
“The software can’t recognize a feather if it has never seen a feather like that before. It’s not a
sentient being.”
Möglichkeiten und Limiten 2
Eine Katze
Zeige dem Computer viele Katzenzeichnungen
Und mit viel meinen wir tatsächlich viiiel
Was merkt sich das neurale Netzwerk?
Wichtiger als die Form: Zeichnungssequenz und Strichrichtung
https://magenta.tensorflow.org/assets/sketch_rnn_demo/index.html
DatensatzWie ist es aufgebaut, welche Daten
werden gesammelt?
50’000’000Soviele Zeichnungen gibt es bereits...
The raw moderated dataset
key_id64-bit unsigned integer
A unique identifier across all drawings.
wordstring
Category the player was prompted to draw.
recognizedboolean
Whether the word was recognized by the game.
timestampdatetime
When the drawing was created.
countrycodestring
A two letter country code (ISO 3166-1 alpha-2) of where the player was located.
drawingstring
A JSON array representing the vector drawing
JSON Daten
{
"key_id":"5891796615823360",
"word":"nose",
"countrycode":"AE",
"timestamp":"2017-03-01 20:41:36.70725 UTC",
"recognized":true,
"drawing":[[[129,128,129,129,130,130,131,132,132,133,133,133,133,...]]]
}
[
[ // First stroke
[x0, x1, x2, x3, ...],
[y0, y1, y2, y3, ...],
[t0, t1, t2, t3, ...]
],
... // Additional strokes
AnwendungsbeispieleWie kann das neuronale Netzwerk
eingesetzt werden?
Anwendungsbeispiele
✘ Kulturelle Muster der Wahrnehmung ✗ Marketing✗ Daten Analysen
✘ Kreative Installationen✘ Spiele
Herkunft erkennen
Zeichnungen vervollständigen
https://magenta.tensorflow.org/assets/sketch_rnn_demo/index.html
Zukunft/Diskussion
✘ einfaches Lernen von Zeichnen✘ Design✘ Metainformationen durch Zeichnen✘ kombinierte Zeichnungen
DANKE!Fragen?
