หนึ่งในความมุ่งมั่นหลักของ OpenAI คือการพัฒนาอัลกอริทึมและเทคนิคที่ทำให้คอมพิวเตอร์มีความเข้าใจเกี่ยวกับโลกของเรา ซึ่งประกอบด้วยสภาพแวดล้อม 3 มิติ วัตถุที่เคลื่อนไหว สิ่งมีชีวิต และข้อมูลที่แสดงผ่านภาษา
สิ่งนี้กระตุ้นให้โมเดลค้นพบคุณสมบัติที่โดดเด่นที่สุดของข้อมูล เช่น การที่พิกเซลใกล้เคียงกันมักมีสีเดียวกัน หรือการมีขอบเขตของภาพ
ในตัวอย่างที่แสดง โมเดลสามารถเรียนรู้ความสัมพันธ์ที่ซับซ้อน เช่น ประเภทของฉาก หรือการเปลี่ยนแปลงของภาพตามกาลเวลา
Peter Chen และเพื่อนร่วมงานได้นำเสนอ InfoGAN ซึ่งเป็นการต่อยอดจาก GAN เพื่อให้สามารถเรียนรู้การแทนข้อมูลที่แยกส่วนและสามารถตีความได้สำหรับภาพต่างๆ
GAN ทั่วไปสามารถจำลองการแจกแจงข้อมูลได้ แต่การจัดระเบียบของโค้ดอาจมีความซับซ้อนและเกี่ยวพันกันสูง จนกระทั่ง InfoGAN สามารถจับมิติที่ตีความได้ เช่น มุมกล้อง หรือความหลากหลายของใบหน้า
ศัพท์ที่ควรรู้
- 3D environments – สภาพแวดล้อมสามมิติ ซึ่งเป็นองค์ประกอบของโลกที่โมเดลพยายามทำความเข้าใจ
- GAN – Generative Adversarial Network เป็นโครงสร้างโมเดลที่ใช้ในการเรียนรู้การแจกแจงข้อมูล
- InfoGAN – เป็นส่วนขยายของ GAN ที่ช่วยให้โมเดลสามารถเรียนรู้การแทนข้อมูลที่แยกส่วนและตีความได้
- Code space – คือมิติภายในของโมเดลที่ใช้ในการแมปข้อมูลเข้าสู่ผลลัพธ์ เช่น ภาพ
ที่มา: OpenAI