اپلیکیشن شگفت انگیز FaceApp چگونه کار می کند؟

“چه کسی صورت انسان را به درستی می بیند: عکاس، آینه یا نقاش؟” – پابلو پیکاسو

به نظر می رسد که امروزه برنامه ها نه تنها چهره را به درستی تشخیص می دهند، بلکه می توانند آنها را دگرگون نیز کنند.

برنامه پر طرفدار روسی FaceApp که به طور خودکار تغییرات بسیار واقعی در چهره شما ایجاد می کند، ترند جدید این روزهاست. اما بیایید ببینیم چه چیزی پشت ساخت چنین برنامه ای است.

احتمالا اخیرا عکس های این افراد را دیده اید(چالش پیر کردن عکس)، سلفی هایی که فرد را بسیار پیر تر از سن واقعیش نشان می دهد. یا در حالت دیگر، همان شخص در جنسیت دیگر یا دارای ریش، یا ظاهر کلاسیک والتر وایت از سریال Breaking Bad که کاملاً واقع بینانه به نظر می رسند، درست است؟

حتی افراد مشهور این مسئله را امتحان کرده اند و در شبکه های اجتماعی پست گذاشته اند. افرادی مانندDrake ، Jonas Brothers ، Charlie Puth ، David Guetta ، Sam Smith ، Billie Eilish ، Rahul Subramanian و خیلی های دیگر با تصویرFaceApp خود در اینستاگرام طوفان بپا کنند.

ممکن است عجیب به نظر برسد که چگونه FaceApp چنین کاری را انجام می دهد، اما در واقع کاری که می کند فقط یک اجرای کلاسیک از شبکه های عصبی و مدل های سازنده ( Generative ) است. اگر معنی این اصطلاحات را نمی دانید، نیازی به نگرانی نیست، این مقاله سعی می کند مفهوم را برای شما ساده کند. کسی چه می داند ، شاید در نهایت یادگیری ماشین را فرا گرفتید.

بنابراین چه اتفاقی می افتد وقتی فیلتر را روی FaceApp اعمال کنیم؟

به زبان ساده ، FaceApp ویژگی هایی را از یک چهره گرفته و به چهره دیگر اعمال می کند. بنابراین این نرم افزار یک پایگاه داده دارد که دارای تعداد زیادی عکس از چهره افراد است و ویژگی هایی از چهره شما را استخراج می کند و برخی تغییرات را ایجاد می کند که چهره شما را متفاوت جلوه می دهد، اما ویژگی های متمایز همچنان باعث می شوند که بتوانید خود را شناسایی کنید. بنابراین اکنون می توانید جنسیت عکس خود را تغییر دهید، دهه ها پیر تر شوید و آنچه را که روی خود انجام نمی دهید به شکلی نزدیک به واقعیت انجام دهید.

خب یادگیری ماشین از کجا وارد می شود؟ چه کار می کند؟ اصلا چی هست؟

به عبارت ساده وقتی کامپیوتر بدون اینکه صریحاً برنامه نویسی شده باشد صرفا با مشاهده داده ها و برچسب آن ها آموزش می بیند، به آن یادگیری ماشین می گویند. شما یک مجموعه داده بزرگ با برچسب گذاری به یک برنامه یادگیری ماشین وارد می کنید. سپس این برنامه خود می آموزد که چگونه داده ها را شناسایی و تفکیک کند. به عنوان مثال اگر هزاران عکس با برچسب گربه و سگ به برنامه وارد کنید برنامه تفکیک آن ها را به صورت جداگانه فرا می گیرد و ویژگی هایی را تشخیص می دهد که گربه را از سگ متمایز می کند. نیازی نیست که به برنامه بگویید گربه ها سبیل دارند و سگ ها ندارند، بنابراین آن ها را به همین ترتیب طبقه بندی کنید.

به اندازه کافی راجب گربه و سگ صحبت کردیم برگردیم به نرم افزار FaceApp .

FaceApp از شبکه های عصبی یا بهتر بگوییم شبکه های مولد تخاصمی یا Generate Adversarial Network (GAN) برای انجام این کار استفاده می کند. اگر بخواهیم وارد جزئیات شویم، شبکه عصبی استفاده شده، شبکه ای به نام “شبکه عصبی کانولوشن مولد عمیق” است. حالا ، شبکه های عصبی چیست؟

شبکه های عصبی مجموعه ای از الگوریتم ها هستند که از مغز انسان الگو گرفته اند و برای شناسایی الگوها طراحی شده اند. بعضی از گره ها یا به اصطلاح نورون های متصل به یکدیگر که اطلاعاتی را مانند آنچه در مغز انجام می دهند منتقل می کنند. در اینجا هر نورون اطلاعات را پردازش می کند و به دیگری منتقل می کند.

در ابتدا ، مانند مغز کودک شبکه عصبی تصادفی عمل می کند چیزی یاد نگرفته و وقتی اطلاعات را به آن می دهیم یادگیری آن شروع می شود. همانطور که کودک به تدریج با افزایش پیچیدگی مغزی ویژگی های خود را یکی یکی یاد می گیرد، یک شبکه عصبی نیز چنین می کند.

گره های مختلف در لایه ها دارای ویژگی های مختلفی هستند. ویژگی ها را می توان توابع داده های ورودی به آن دانست. داده ها به صورت تابعی پردازش می شوند و خروجی ها با افزایش پیچیدگی به نورون بعدی ارسال می شوند تا اینکه در آخرین گره بتوان تعیین کرد که خروجی داده ها از چه نوع است، بنابراین شروع به یافتن الگوها و ویژگی ها می کنیم.

بنابراین آنچه FaceApp انجام می دهد استفاده از کتابخانه های متن باز هوش مصنوعی مانند TensorFlow برای یافتن ویژگی هایی از چهره شما و سپس استفاده از فیلتر یا افزودن ویژگی هایی است که باعث پیر شدن یا هر آنچه را که انتخاب می کنید است.

اگر به طور متوالی یک فیلتر را روی یک تصویر اجرا کنید، ویژگی های خام را که معمولاً با لایه های پنهان شبکه عصبی مرتبط هستند مشاهده خواهید کرد. ویژگی های ذخیره شده لایه های مخفی را می توان به وضوح در تصویر مشاهده کرد:

حال در پایان بگذارید بگوییم که GAN چیست.

اصولاً این فناوری یک شبکه عصبی است که می تواند برای ایجاد داده های جدید و جعلی استفاده شود که مثل داده ی واقعی بنظر برسد.

به عنوان مثال، این فناوری می تواند چهره های جدید و نقاشی های جدیدی ایجاد کند که مانند هر نقاشی دیگری به نظر می رسند اما در واقع حتی وجود ندارند اما توسط دستگاه شما ساخته شده اند. ببینید ، دستگاه در واقع یاد میگیرد.

اگر بخواهیم تعریفی داشته باشیم ، شبکه های مولد تخاصمی ( GAN ) معماری شبکه عصبی عمیقی هستند که از دو شبکه تشکیل شده اند و یکی را در مقابل دیگری قرار می دهند (به همین دلیل از واژه تخاصمی استفاده می شود).

اکنون می دانید که چگونه فناوری یادگیری ماشین حتی می تواند چهره های جدیدی را ایجاد کند، بنابراین گرفتن ویژگی ها از یک چهره و استفاده از آن ها در چهره ی دیگر یا استفاده از ویژگی های صورت برای این که شما را پیرتر نشان بدهد کار آسانی است.

شما می توانید اپلیکیشن FaceApp را از طریق لینک های زیر دانلود کنید :

دانلود اپلیکیشن FaceApp برای اندروید دانلود اپلیکیشن FaceApp برای IOS

بیشتر بخوانید:

منبع Medium