Introducción
“Ripley’s Believe or Not” presenta algunos de los hechos más extraños y extraños de todo el mundo. ¿Qué tal crear nuestro propio Salón de la fama de Ripley para aplicaciones de ciencia de datos?
Piénselo: ¿cuál es el primer pensamiento que le viene a la mente cuando piensa en Ciencia de los datos? Suele tratarse de técnicas, algoritmos, programación, entre otras cosas. Esto es lo que propongo: ¿qué tal si exploramos el camino menos transitado?
Sí, estoy hablando de adoptar la parte extraña y divertida de la ciencia de datos.
En este mundo extraño y alocado, nuestro trabajo de ciencia de datos refleja conexiones sorprendentes, como: si está comprando pañales, es más probable que compre cerveza. ¡O las personas que van a bares tienen un mayor riesgo crediticio! Oh, no puedo perderme este: las personas inteligentes prefieren las papas fritas rizadas. ¡Darle me gusta a «Curly Fries» en Facebook es un buen indicador de alta inteligencia!
Entonces, en este artículo, llevemos esta montaña rusa al divertido mundo de la ciencia de datos y sus aplicaciones extrañas y divertidas. Y antes de comenzar, aquí hay una advertencia: ¡este artículo podría hacerle cosquillas a su hueso de la risa!
Una nueva pieza de Harry Potter llegará pronto a las librerías:
No, ese no es otro libro de JK Rowling. Es un Procesamiento del lenguaje natural (NLP)-¡Capítulo de Harry Potter generado! Echa un vistazo a esta extraña línea generada en su totalidad por el modelo:
“Harry apartó los ojos de su cabeza y los arrojó al bosque. Voldemort miró a Harry enarcando las cejas, quien no podía ver nada en ese momento. «
Esto fue generado por Botnik Studio, una comunidad abierta de escritores, artistas y productores que generan contenido extraño utilizando Data Science.
Colaboraron con el texto de los siete volúmenes de esta fascinante saga mágica en un algoritmo predictivo. En solo una fracción de minutos, el algoritmo detectó el patrón de palabras emparejadas a lo largo de la serie. Conectado en forma de teclados predictivos, el algoritmo comenzó a hacer sugerencias basadas en el patrón.
Se utilizaron dos teclados predictivos diferentes para esta tarea: uno para la narración y el otro para los diálogos. ¡Y las oraciones enmarcadas resultaron ser bastante divertidas y completamente locas! Aquí hay un alivio para todos aquellos que lamentaron la muerte de Albus Dumbledore en Harry Potter y el Príncipe Mestizo- el modelo de PNL lo ha resucitado. 🙂
En agosto del año pasado, un fan de la Game of Thrones La serie había «escrito» cinco capítulos generados por IA utilizando redes neuronales recurrentes (RNN). Si bien el fan había logrado capturar el estilo de escritura de George RR Martin, los resultados estaban nuevamente en el reino de lo absurdo.
¿Qué tal conseguir una de sus propias historias escrita por un modelo de ciencia de datos?
Así que aquí está: simplemente intente crear su propia historia introduciendo artículos sobre su tema / serie favorito en un emulador de texto algorítmico, dale un poco de información sobre tu elección de palabras y listo: tendrás el párrafo principal de tu historia.
Mira, la ciencia de datos nos está entreteniendo de la manera más extraña. ¡Con suerte, no convierte a Harry en el villano de esta serie en el futuro!
Amo la creatividad involucrada en esta aplicación.
Esto es lo que sucede cuando mezclamos la IA generadora de rostros más avanzada del mundo con un sitio web fácil de usar: ¡te da rostros de personas que no existen en absoluto!
Este sitio web fue creado por el ingeniero de software de Silicon Valley, Philip Wang. Cada vez que visita el sitio, genera un rostro único: una foto de un humano ideado por el código de la computadora.
Es un sitio web simple sin explicación, sin código, sin preguntas frecuentes y sin marca. Simplemente refleja un rostro que nunca ha existido antes (en ese momento). ¡Sigue actualizando y seguirá generando caras frescas hasta el infinito «desde un vector de 512 dimensiones»!
Cual es el visión por computador concepto que impulsa este modelo, te preguntarás? ¡Son Redes Adversarias Generativas (GAN)!
“Recientemente, un talentoso grupo de investigadores de Nvidia lanzó la red generativa de confrontación de vanguardia, StyleGAN, así que decidí hurgar en mis propios bolsillos y concienciar al público sobre esta tecnología «. – Philip Wang
En una buena nota, Wang no creó thispersondoesnotexist.com para permitir el abuso de cualquier tipo. Lo creó porque dice que está «muy preocupado» por nuestro futuro, y quería crear conciencia de hasta qué punto la tecnología ha avanzado tan rápidamente.
Pero debe preguntarse cómo funcionan realmente las GAN. He aquí una breve explicación:
En términos generales, la fase de capacitación de GAN tiene dos subpartes principales que funcionan secuencialmente:
- Fase 1: Discriminador de entrenamientoEl entrenamiento es un proceso sistemático diseñado para mejorar habilidades, conocimientos o capacidades físicas. Se aplica en diversas áreas, como el deporte, la educación y el desarrollo profesional. Un programa de entrenamiento efectivo incluye la planificación de objetivos, la práctica regular y la evaluación del progreso. La adaptación a las necesidades individuales y la motivación son factores clave para lograr resultados exitosos y sostenibles en cualquier disciplina.... y generador de congelación (congelar significa establecer el entrenamiento como falso. La red solo hace pase hacia adelante y no se aplica propagación hacia atrás):
- Fase 2: Generador de trenes y discriminador de congelación:
Si desea profundizar en él, aquí están los pasos para entrenar su propio modelo GAN. Sube tus calcetines y prepárate para generar algo tan genial como esto:
¡Uf! ¡Las GAN son bastante exhaustivas y divertidas!
GAN fue introducido en 2014 por Ian Goodfellow, pero no fue hasta 2017 que los investigadores pudieron crear imágenes de alta calidad de 1024 x 1024 detalladas en el ahora famoso ProGAN papel.
He estado actualizando el sitio constantemente, ¡es muy divertido ver a todo tipo de gente nueva!
3. Mira quién nos hace deslumbrar con ropa ultra elegante: IA ¡Por supuesto!
Nunca pensé que sería testigo de algo como esto: ¡un modelo de aprendizaje automático que diseña ropa mucho, mucho mejor que los diseñadores! ¡La reacción de la gente, cuando se les pidió que compararan un vestido diseñado por IA con un vestido diseñado por humanos, fue épica! Echale un vistazo:
Extraño y sorprendente, esto toca ambos hilos para mí como entusiasta de la moda. Imagínese sus aplicaciones: ¡resolverá todas las preocupaciones de decidir qué ponerse por la mañana! Un modelo de ciencia de datos leerá mi mente al despertar y prepararé mi ropa de acuerdo con mi estado de ánimo.
Hablando sobre el desfile de moda, este caso de uso de ciencia de datos ha sido creado por Intelistyle, una empresa de servicios de estilo de IA. Por lo general, las técnicas de visión por computadora que se centran en el reconocimiento de patrones se utilizan para encontrar prendas visualmente similares, pero su enfoque fue un poco diferente.
Su enfoque principal fue construir un sistema que pueda reconocer el «estilo». Es mucho más matizado que encontrar ropa visualmente similar. Entonces, utilizaron el aprendizaje profundoEl aprendizaje profundo, una subdisciplina de la inteligencia artificial, se basa en redes neuronales artificiales para analizar y procesar grandes volúmenes de datos. Esta técnica permite a las máquinas aprender patrones y realizar tareas complejas, como el reconocimiento de voz y la visión por computadora. Su capacidad para mejorar continuamente a medida que se le proporcionan más datos la convierte en una herramienta clave en diversas industrias, desde la salud... para ‘extraer la esencia del estilo’. Por supuesto, este paso se ejecutó después de que rastrearon con éxito la web para la fotografía de moda examinando miles de atuendos creados por influencers y estilistas, diseñadores y minoristas.
Intelistyle incluso lo probó con estilistas reales e influencers de la moda en la Semana de la Moda de Londres. Como informó Forbes, el 70% de los encuestados eligieron sin saberlo los looks creados por su modelo.
Créditos de imagen – Intelistyle
Aquí hay otra aplicación divertida de ciencia de datos de moda que vi en Twitter. La IA, creada por el artista Robbie Barrat, ha generado una colección completa basada en los estilos anteriores de Balenciaga. La semana de la moda llegó temprano en Twitter, cortesía de una inteligente red neuronalLas redes neuronales son modelos computacionales inspirados en el funcionamiento del cerebro humano. Utilizan estructuras conocidas como neuronas artificiales para procesar y aprender de los datos. Estas redes son fundamentales en el campo de la inteligencia artificial, permitiendo avances significativos en tareas como el reconocimiento de imágenes, el procesamiento del lenguaje natural y la predicción de series temporales, entre otros. Su capacidad para aprender patrones complejos las hace herramientas poderosas....
• Abrigo elegante asimétrico de varios componentes (un brazo oculto … aunque probablemente sin querer)
• Abrigo de tres componentes con un trozo de tela a juego para llevar (publicado este antes)
• Suéter estampado (¿camisa?) Con lo que parece un cuello alto de dos tonos debajo (?) pic.twitter.com/jHsgIt4OZo – Robbie Barrat (@DrBeef_)
También puede consultar este documento, Generación de imágenes de modelos de moda de alta resolución con atuendos personalizados, para obtener más información sobre cómo crear tendencias de moda generadas por IA.
4. ¿Quién está matando al juego de los premios de la Academia? ¡Hagamos que Data Science pronostique las nominaciones, por favor!
¿Quién es tu elección para mejor actor y mejor actriz en los Oscar de este año?
Muy a menudo podemos adivinar el eventual ganador combinando nuestra intuición con el poder de los rumores de los medios. Pero hay un problema importante allí: nuestras elecciones pueden estar muy sesgadas en función de nuestras propias preferencias y el historial de observación.
Donde hay un juego de adivinanzas, ¡hay ciencia de datos !. Podrías pensar que es extraño, pero sí, la IA tuvo una impresionante Puntaje del 94 por ciento en la predicción de los Oscar del año pasado, por tercer año consecutivo, le emocionará saber que la IA superó a los expertos de la industria.
El reportero de Hollywood y Microsoft se unieron para predecir quién se llevaría a casa un Oscar en los Premios de la Academia 2019 a través de una encuesta de predicción en línea llamada Awards Predictor (impulsada por Microsoft AI).
Unánime AI, una empresa que utiliza la tecnología «Swarm AI» para crear productos de inteligencia artificial, forma parte de una mente colmena de decenas de entusiastas del cine.
Esta Charla TED por el fundador de Unánime AI Louis Rosenberg, Ph.D., entra en más detalles sobre esta fascinante aplicación de la tecnología y el cerebro humano.
Estas son las predicciones de Swarm AI para los Oscar 2019:
Swarm AI combina información humana en tiempo real con algoritmos de inteligencia artificial, optimizando la sabiduría e intuición combinadas de un grupo en una salida unificada. En otras palabras, Unánime construye artificial «Mentes colmena» que amplifican la inteligencia de las poblaciones humanas para crear un súper experto artificial que puede superar a los expertos tradicionales.
¿Cómo se puede construir este emocionante modelo predictivo de aprendizaje automático?
Bueno, es simple: combine OptiML, el proceso de optimización en BigML que encuentra automáticamente el modelo mejor supervisado (y ejecuta algunos modelos de alto rendimiento, incluidas redes profundasLas redes profundas, también conocidas como redes neuronales profundas, son estructuras computacionales inspiradas en el funcionamiento del cerebro humano. Estas redes están compuestas por múltiples capas de nodos interconectados que permiten aprender representaciones complejas de datos. Son fundamentales en el ámbito de la inteligencia artificial, especialmente en tareas como el reconocimiento de imágenes, procesamiento de lenguaje natural y conducción autónoma, mejorando así la capacidad de las máquinas para comprender y..., conjuntos, regresión logística y árboles de decisión) con Fusions, que combina varios modelos supervisados para mejorar el rendimiento y hacer una predicción por lotes, y boom, su modelo. ¡estará listo!
5. Vamos a tener una buena risa con ‘LOL BOT’ impulsado por IA
Ahora tenemos un robot que puede hacernos reír, ¡literalmente! De lejos, encontré que esta es la aplicación más inusual de la ciencia de datos porque nunca esperaría que un bot me hiciera reír, eso también en el tema de mi elección.
Conoce – LOL BOT. El robot que hace cosquillas hizo su debut en el Festival Internacional de Comedia de Melbourne y ha estado saboreando el fandom desde entonces. Es el primer bot del mundo que es capaz de generar sus propios chistes, detectar reacciones humanas en tiempo real y reaccionar en consecuencia.
El tecnólogo creativo Steven Nicholson dijo que su equipo había desarrollado LOL-Bot para usar el modelado estocástico para extraer datos y aprender de miles de horas de programas de comedia en vivo.
El modelado estocástico permite a LOL BOT extraer datos de la enorme biblioteca de chistes de todos los comediantes de todo el mundo. Utiliza algoritmos de aprendizaje profundo para descubrir el significado de esos programas y generar sus propios chistes. Aquí hay un vistazo:
Pero aquí está el truco: este BOT no existe ahora. ¡Porque en el festival de comedia no fue impulsado por IA sino por los 7 mejores comediantes de Australia! Sin embargo, construir algo como esto es bastante posible en el escenario actual. ¿Por qué no le das un prueba este conjunto de datos y comparte tus resultados?
Notas finales
La idea de utilizar la ciencia de datos para divertirse es realmente fascinante. Mi objetivo en este artículo era abrir un nuevo portal para todos aquellos que piensan en la ciencia de datos como un campo técnico y demasiado serio. ¡Divirtámonos un poco en el camino!
Algunos de estos casos de uso extraños pueden parecer divertidos, pero recuerde: los grandes avances en cualquier campo los realizan personas que han jugado con lo que se les dio y batido algo en lo que nadie podía pensar.
Qué suerte tenemos, sin grandes inversiones, de poder experimentar libremente. Y creo firmemente que al usar este poder, nuestra comunidad campeona de ciencia de datos tomará el mundo por asalto.
¿Qué otros usos extraños y divertidos de la ciencia de datos se te ocurren? ¡Ninguna idea es una mala idea! Házmelo saber en la sección de comentarios a continuación.
¿Eres nuevo en el mundo de la ciencia de datos? Recomiendo encarecidamente consultar nuestro completo y popular curso de principiante a avanzado:
