شبکه عصبی «دیپ مایند» (Deepmind) گوگل اکنون قادر به ساختن ویدیوهای ۳۰ ثانیه‌ای از یک تصویر واحد است.

«ترنسفریمر» (Transframer)، نامی که بر این ابزار جدید گذاشته شده است، تنها به یک عکس نیاز دارد تا با آن کار کند، به این صورت که [در ابتدا شروع می‌کند‌] به شناسایی آنچه در چارچوب عکس وجود دارد. محتوای تصویر را تجزیه‌وتحلیل می‌کند و سپس با استفاده از «تصاویر زمینه‌ای» آنچه را که احتمالا در پیرامون آن است پیش‌بینی می‌کند – و بر اساس حجم عظیمی از داده‌هایی [که از قبل با آن‌ها] آموزش ‌دیده است، حدس می‌زند که اشیاء از زوایای مختلف احتمالا چه شکلی‌اند.

تیم دیپ مایند در مطلب ارسالی خود نوشت: «وظیفه [ترنسفریمر] با در اختیار داشتن مجموعه‌ای از تصاویر زمینه‌ای با حواشی مرتبط (‌ازجمله برچسب زمانی، زاویه دید دوربین و غیره) و همچنین تحقیق و بررسی درباره این حواشی و تفاسیر، این است که سهم احتمالی [این موارد را] بر روی تصویر مورد نظر پیش‌بینی کند.»

«این چارچوب [هوش مصنوعی]، از طیف وسیعی از کارهای پیش‌بینی بصری، ازجمله مدل‌سازی ویدیویی، ترکیب نمای جدید و دید چند وظیفه‌ای (multi-task) پشتیبانی می‌کند.»

این امکان وجود دارد که بتوان به‌جای [روش] مرسوم رندرینگ که در حال حاضر در بازی‌های ویدیویی و دیگر فضاهای آنلاین استفاده می‌شود، از این فناوری در ساخت محیط‌های دیجیتالی سه بعدی استفاده شود.

تیم ما همچنین یک مدل واحد را آموزش داد تا ۸ وظیفه مختلف، برای‌مثال تخمین عمق، گروه‌بندی موارد نمونه، جریان نوری و تشخیصی در تصاویر و ویدیوها را انجام دهد. از طریق تارنمای پروژه بیشتر دراین‌باره بدانید.

— DeepMind (@DeepMind) ۱۵  پانزدهم اوت ۲۰۲۲

تیم هوش مصنوعی گوگل، در گذشته پیشرفت‌های چشمگیر دیگری داشته است. این سامانه، ماه گذشته شکل تقریبا تمام پروتئین‌هایی را که برای علم [امروز] شناخته شده‌اند ترسیم کرد. پیشرفتی که به مقابله با چالش‌های بزرگ جهانی، ازجمله توسعه و تحول واکسن‌های مالاریا و مبارزه با آلودگی پلاستیکی کمک خواهد کرد.

این بخش همچنین هوش مصنوعی را برای کنترل پلاسمای بسیار داغ درون یک راکتور همجوشی هسته‌ای آموزش داد و راه جدیدی را در  پیشبرد دستیابی به این انرژی پاک نامحدود نوظهور گشود.

چالش اصلی در این زمینه، شکل‌‌دهی و حفظ پلاسما با دمای بالا است. چنین چیزی در ستارگان از طریق گرانش به دست می‌آید، اما [این مشکل] بر روی زمین چالش‌برانگیزتر است - برای کنترل مواد بسیار داغ نیاز به لیزر یا آهنربا داریم.

با این حال، هوش مصنوعی دیپ‌مایند با انجام ۹۰ اندازه‌گیری مختلف [با سرعت] ۱۰ هزار بار در ثانیه و تنظیم میدان مغناطیسی بر اساس آن، توانست پلاسما را به‌طور مداوم کنترل کند.