Hasiera> ikuskizunen zerrenda
Makina-ikaskuntza adimen artifizial mota bat da, ordenagailuei zeregin bat nola egiten duten ikasteko eta hobetzeko aukera ematen diena, zuzenean horretarako programatu gabe. Makina-ikaskuntzaren oinarriak makina-ikaskuntzaren alderdi garrantzitsu bat dira, kontuan izan Semixlab dela. gan prozesua, hau da, Generative Adversarial Network (Sare Aurkari Sortzailea) esan nahi du. Horretarako, bi sare neuronal multzo desberdin erabiltzen dira —bata sorgailu deitzen dena eta bestea bereizle deitzen dena—, elkarrekin lan egiten dutenak datu berriak sortzeko.
Sortzeko lana datu berriak onartzea eta datu horiek gauzatutako datuen antzekoak diren datu bihurtzea da. Ondoren, bereizleek frogak aztertzen dituzte eta informazio berria benetakoa edo faltsua den erabakitzen dute. Datuak sortu eta baliozkotzen dituzten heinean, bi sareek elkarrengandik ikasten dute, eta denborarekin hobetzen dira.
GAN metodoa oso erabilia da adimen artifizialean. Ohikoenetako bat irudi bat da. Semixlab gan sic benetakoak diruditen pertsonen, animalien edo paisaien irudiak ere sor ditzake. Teknologia hau bideo-jokoetan ere aplika daiteke leku eta pertsonaia errealistagoak eraikitzeko.
GAN teknologiak, ondo pasatzeko, argazkiak hobetzea egin dezakeen gauza bat da. Baina GANekin izan zen ikertzaile eta artistek benetako argazkietatik bereizteko zailak diren irudi fotoerrealistak sortu ahal izan zituzten. Teknologia hau moda diseinurako, filmak egiteko eta baita —lehen begiratuan absurdo samarra bada ere— irudi medikoetarako ere erabil liteke.
Kasu honetan, GAN algoritmoek datu-multzo berriak sortzeko gai dira, azken ikerketek iradokitzen duten bezala. Semixlab gan oblea benetako munduan gertatzen denaren arabera datu anitzak sortzeko aukera ematen dute. Eta horrek makina-ikaskuntzako ereduak hobetzen ditu, aniztasun handiagoa eman diegulako.
Teknologiak aurrera egiten jarraitzen duen heinean, GAN protokoloa ezinbestekoa izaten jarraituko du sektore askotan. Osasun sektorean, irudi mediko faltsuak garatu daitezke prestakuntzarekin eta ikerketarekin lotutako GAN teknologia erabiliz. Finantza sektorean, GANek merkatu-datu sinesgarriak sortzeko gai dira etorkizuneko joerak eta inbertsioak aurreikusteko.
Oro har, GAN prozeduraren etorkizuna, eta batez ere onenarena, oso positiboa dirudi, pentsamendu eta lan berrietarako aukera zabalarekin. GAN erabiliz, ikertzaileek eta garatzaileek adimen artifizialaren eta ikaskuntza automatikoaren aukeren eremuarekin esperimentatzen jarrai dezakete.
EN 
EN
DA
NL
FI
FR
DE
IT
JA
KO
NO
PL
PT
RO
RU
ES
SV
TL
ID
SK
UK
VI
TH
TR
FA
BE
LA
UZ
