Je connaissais le principe en lançant le vidéo mais alors visuellement c'est tellement bluffant... Et cette intro, dieu que c'était beau. Je pense qu'on est beaucoup à espérer que tu tombes sur le code source du Dancing GAN
Je propose qu'afin de maximiser le bonheur du plus grand nombre, Le, nous fasse la joie de réaliser quelques pas dans tous S4all à venir. Juste avant le clin d'œil de la fin. Merci a toi Le
Rassurez-vous ! Pour ceux qui ont fait l'école primaire, voilà 10 ans, il existait déjà des logiciels comme I-Clone et crazyTalk capable de générer de belles animations d'une vieille photo d'identité, très réaliste ! (très drôle de se voir parler 20 ans avant !) Cette chaîne est excellente, bravo pour tout ce travail !
Je mets un pouce bleu rien que pour l'intro. Si avec ça tu ne gagnes pas 1 million d'abonnées je ne comprends rien à youtube. Plus sérieusement, bravo et merci pour cette superbe vidéo (comme toutes tes vidéos).
Salut, merci pour tes vidéos En ce qui concerne la fonction de perte, on toujours le log dont tu as parlé au début ou bien par exemple sur des images on peut utilisé une mse classique ? Merci et continues ton travail c'est vraiment un plaisir de t'écouter
Un «batch» en anglais c'est un paquet de données. On fait l'apprentissage par batch c'est à dire qu'on fait remonter la moyenne du gradient pour tout un paquet de données et pas chaque gradient pour chaque exemple. La «batch normalisation» normalise les activations ou les données en utilisant la moyenne et la variance calculé sur le batch d'où son nom.
J'ai mis pause pour la question sur la Fake-Célébrité. Je dirais du coup les deux, mais c'est surtout parce que je commence à te connaitre Lê (et aussi un peu à cause des petits artefacts de générations caractéristiques par-ci par-là sur les deux images).
Bravo pour cette vidéo. Juste un truc, on parle de "normalisation par batch" parce que le calcul de la moyenne et de l'écart type utilisé pour effectuer cette normalisation se fait sur un batch de données (et pas sur l'ensemble des données).
1 - J'ai ri 🙂 2 - Je ne connaissais pas la réponse et je parie que c'est l'homme qui est un faux 3 - Assez hard cet épisode ... un qui a mis le plus de lumière sur l'étendue de mon ignorance 😉 ... mais bravo, continue !
Moi je dirai le mec (à gauche) pour ta question en début de vidéo, du fait des petites taches de couleurs en arrière plan. (j'ai premièrement cru à un affichage des sponsors comme on en voit souvent derrière les vedettes, mais à y regarder de plus près je pense qu'il s'agit d'une création du logiciel)
La question qui me vient est la suivante: Sachant qu'une image en entrée sera traitée par convolution pour réduire la dimension des donné (obligé vus la taille) comment le fakeur fait il pour produire une image en sortie, sa revient a devoir avoir un nombre de neurones de sortie énorme non?
Merci pour la vidéo c'est un truc de malade ce GAN lol. Est-ce que ce système de gan peut-être utilisé pour créer de la 3D ?? Car j'ai vu une vidéo où l'on montre un match de foot avec un seul angle de vue uniquement et via le gan (enfin je pense) peut-être pas que, a pu créer par la suite la scène de la vidéo en 3D mais à partir d'une image fixe provenant de la vidéo, est-ce possible ou ca n'a rien à voir ?? Merci d'avance
Je n'ai pas réussi ce défi Lê, probablement l'un des plus difficiles de toute la chaîne... (mais bravo, puisque je pense que tout le monde s'est fait avoir par "le vrai piège", dont moi x'D)
C'est Téra intéressant! Cela me rappelle mes cours d'apprentissage et modélisation de master! Par contre j'aurai éternellement du mal avec le fait que les mathématiciens se sont appropriés le terme "neurones" à la place d'AIU. (d'autant plus que l'activité réelle d'un réseau de neurones biologiques ne pourrait être simulée optimalement que par des QC! Cela me semble donc, en parlant d'activité binaire, relever de l'hérésie haha :) )
Question technique, comment penses-tu pouvoir appliquer un algo GAN à une application d'algo génétique ? Existe-t'il une formule générale optimale pour le faire, ou le paradigme est-il incompatible ?
Il reste quelques artefacts à l'image ce qui rend le défi assez facile. Mais je pense qu'ils ne seraient pas très difficile à nettoyer, le gros du boulot est fait.
Désole , mais des lors qu'il y a backpropagation , c'est de l'apprentissage SUPERVISE. Tu descend un gradient indique par une fonction d'erreur. Il est non supervise quand tu n'a pas de fonction d'erreur et la backpropagation est alors impossible
Après réflexion je pense que les couches de réseaux de neurones avec une faible descente de gradient nécessitent des skips d'autant plus grand (en nombre et en nombre de couches sautées) pour permettre une backpropagation plus efficace. Cette option est-elle valuable ?
Quels sont les réseaux de neurones utilisés par AlphaGo et AlphaZero? Quelle(s) application(s) faut-il privilégier pour chaque architecture? Les GAN ne conviennent-elles que pour du traitement d'image ou y a t'il d'autres applications? Certaines architectures sont-elles obsolètes par rapport à d'autres?
Est ce que dans les GAN, le générateur et le discriminant utilisent des algorithme génétiques pour s’entraîner ou sont ils basés sur une autre méthode?
J'ai raté le défi... Pour le reste ces GAN sont impressionnants, J'ai bien peur que le floutage (par exemple à la télévision) deviennent facilement "craquables" avec ce genre de réseaux :o
Ques-t-ce qui empèche le réseau générateur de produire des copies des données de références? Si l'adversaire apprends a diférencier les autentiques des faux, il va diriger l'algorithme générateur jusqu'a ce qu'il prouduise des copies exactes d'originaux non?
Selon un papier de Bengio de 2016, il semblerait qu'ajouter du bruit dans la fonction d'activation puisse faciliter l'apprentissage arxiv.org/abs/1603.00391
Au début de la vidéo, j'ai cru que c'était une pub TikTok. Bien vu, même si ta danse n'était pas top qualité, tu as réussi à imiter les pubs habituelles de TH-cam !
Pour la partie détection de posture (pour la vidéo de dance), ça me fait beaucoup penser à ça : th-cam.com/video/pW6nZXeWlGM/w-d-xo.html (Le lien vers les sources est dispo dans la description github.com/ZheC/Realtime_Multi-Person_Pose_Estimation ).
Ok alors par contre le gars qui tourne sur lui même sans que sa tête ne tourne ... comment dire..., flippant/20? (d'ailleurs ça m'evoque une question mais je vois pas comment la formuler, c'est un tout petit détail mais qui est en fait crucial, y'a un truc à developper la non?^^)
Au fait, je me suis procuré moi aussi "La Formule du savoir" et on en a pour son argent, mais... pourquoi toujours mettre la formule de Bayes sous forme multiplicative avec des probabilités alors qu'elle est nettement plus claire sous forme additive avec des "évidences" ? fr.wikipedia.org/wiki/Inf%C3%A9rence_bay%C3%A9sienne#Valeur_du_test_et_notation_d'%C3%A9vidence Plus généralement, n'y a-t-il pas quelque part un lien logique entre la sigmoïde de transformation des évidences en probabilités et les courbes de réponse utilisées pour mettre à jour les poids synaptiques ?
Question: est-ce qu'une IA serait en mesure d'identifier une photo ou une vidéos produites ou reconstituée par une autre IA. Comment on allons-nous être en mesure de contrôler si une photo/video est un fake ?
Puisqu'il est dans l'actualité, est-ce que tu as un avis ou des remarques sur les déclarations d'Eric Sadin ? Par exemple sur thinkerview la semaine dernière : th-cam.com/video/VzeOnBRzDik/w-d-xo.html Je trouve ses remarques plutôt bien posées et réfléchies.
Dave Sheik a obtenu un financement pour diffuser une vidéo sur Dailymotion puis la diffuser 15 jours plus tard sur TH-cam. C'est pas con. Tu pourrais continuer de diffuser tes vidéos le Lundi sur TH-cam mais tu la diffuses quelques jours plus tôt sur Dailymotion, genre tous les Vendredi ou tous les Dimanche. Comme ça, ça ne dérange pas les utilisateurs sur TH-cam, ça attire les gens sur Dailymotion (ce qui aide la diversité et la France) et tu pourrais peut-être obtenir un financement pour ça. Et tu précises le calendrier en fin de vidéo.
Défi réussi! Plus sérieusement, est ce que l'on ne pourrait pas utiliser cette méthode pour concevoir l'apprentissage de l'IA aux échecs ou au go? Où dans le cas d'un bon coup joué on aurait le cas de l'imitation fidèle, et à l'inverse si le coup proposé par la machine n'est pas bon alors le système réagirait comme tu l'as dit dans le cas d'une mauvaise imitation pour se corriger par la suite
Le fonctionnement des GAN fait beaucoup penser au principe de la dialectique, sauf qu'il est ici itéré un grand nombre de fois(au lieu de passer trop rapidement à la synthèse.) PS: J'ai échoué au test...
J'ai pas vu le sondage... Mais perso je pense sans spoiler que les défauts d'images provoquées par le réseau de neurones trahissent malheureusement le résultat... Non ?
Je dirai le mec a cause du fond et du détourage ... et c'est sur cette photo que tu calcul le fack ... A moins que l'énoncé soit mal ... énoncé et que ce soit les 2
Plus les épisodes avancent, plus j'ai l'impression que ces architectures / algorithmes ne sont dédiés qu'à la reconnaissance et au traitement d'images. Pourquoi ne pas illustrer avec d'autres exemples qui, je pense, existent ?
Je pense que c'est dans le traitement des images que les avancées sont le plus spectaculaires (on partait de pas grand chose avant le deep learning et on a fait des bons de géants). De plus c'est bien sûr beaucoup plus facile de montrer des images dans une vidéo.
Pour acheter les goodies Science4All et faciliter le prosélytisme bayésien : shop.spreadshirt.fr/science4all
J’en veux tous les jours des intros comme ça !!!!
Alors comme ça ça regarde science4all
@@arthurmoiret6076
On en aprend tous les jours ...
Apres la vidéo de la taupe sur les maths, je trouve ça un peu gros ...
Taupe 10 n'est pas un "Kéké" des maths si il est là ;) j'avais mal jugé
Claire comme de l'eau de source.
Merci infiniment.
Je comprends tjr rien mais c'est tellement interressant
Je connaissais le principe en lançant le vidéo mais alors visuellement c'est tellement bluffant...
Et cette intro, dieu que c'était beau. Je pense qu'on est beaucoup à espérer que tu tombes sur le code source du Dancing GAN
Je propose qu'afin de maximiser le bonheur du plus grand nombre, Le, nous fasse la joie de réaliser quelques pas dans tous S4all à venir. Juste avant le clin d'œil de la fin. Merci a toi Le
Je me suis presque étouffé tellement j'étais pas prêt ;-)
dis toi que la danse c'est un exercice de mathématique et tu sera un excellent danseur ;-)
Mais c'est que t'as des vrais talents de danseur (je suis absolument sérieux)
Rassurez-vous ! Pour ceux qui ont fait l'école primaire, voilà 10 ans, il existait déjà des logiciels comme I-Clone et crazyTalk capable de générer de belles animations d'une vieille photo d'identité, très réaliste ! (très drôle de se voir parler 20 ans avant !) Cette chaîne est excellente, bravo pour tout ce travail !
Trop bien ! Bien sûr que je serai là Lundi prochain, ça parle de fractales et d'IA ;) #bestTeaser
Mais tu oses tout toi ! Excellente mise en abîme avec ta danse rigolote (et un peu fail haha)
beau boulot science4All......😄 merci et surtout continue ainsi
Cette vidéo était bien épique
Très bon épisode ! Très chouette casquette ! =D
A priori je n'avais aucune idée des GAN et à posteriori rien n'a changé !
Super 👌 meilleur vidéo de la chaîne
Comme le ytb sur nounours qui chante
Ca aide pas mal pour réviser le partiel de Deep Learning de l'EPFL, merci ;)
Tres bien expliquer
J'ai mis un pouce bleu rien que pour la danse du début de vidéo ! :D
Je mets un pouce bleu rien que pour l'intro. Si avec ça tu ne gagnes pas 1 million d'abonnées je ne comprends rien à youtube. Plus sérieusement, bravo et merci pour cette superbe vidéo (comme toutes tes vidéos).
magnifique ! le déhanché! :-)
Salut, merci pour tes vidéos
En ce qui concerne la fonction de perte, on toujours le log dont tu as parlé au début ou bien par exemple sur des images on peut utilisé une mse classique ?
Merci et continues ton travail c'est vraiment un plaisir de t'écouter
Un «batch» en anglais c'est un paquet de données. On fait l'apprentissage par batch c'est à dire qu'on fait remonter la moyenne du gradient pour tout un paquet de données et pas chaque gradient pour chaque exemple. La «batch normalisation» normalise les activations ou les données en utilisant la moyenne et la variance calculé sur le batch d'où son nom.
Bon, l'explication de la BatchNorm est un peu foirée. Mais tout l'exposé du GAN est parfait. Bravo !
J'ai mis pause pour la question sur la Fake-Célébrité. Je dirais du coup les deux, mais c'est surtout parce que je commence à te connaitre Lê (et aussi un peu à cause des petits artefacts de générations caractéristiques par-ci par-là sur les deux images).
Les deux sont fictives. (observer les oreilles)
Un black avc une mèche c’est rare
Trop stylée ta casquette invisible vue de dessous, je la vois pas sur la boutique, c'est une édition spéciale ?
Quel génie.
Je m'abonne.
Pas mal !
Bravo pour cette vidéo. Juste un truc, on parle de "normalisation par batch" parce que le calcul de la moyenne et de l'écart type utilisé pour effectuer cette normalisation se fait sur un batch de données (et pas sur l'ensemble des données).
1 - J'ai ri 🙂
2 - Je ne connaissais pas la réponse et je parie que c'est l'homme qui est un faux
3 - Assez hard cet épisode ... un qui a mis le plus de lumière sur l'étendue de mon ignorance 😉 ... mais bravo, continue !
Cette intro du pouce-bleu! :'D
Cette miniature gangsta ! Du coup je t'imagine bien dans un clip de Suicidal Tendencies ;)
Lê est passé en mode GANgsta pour nous Bayeser le cerveau :)
Joli !
Moi je dirai le mec (à gauche) pour ta question en début de vidéo, du fait des petites taches de couleurs en arrière plan. (j'ai premièrement cru à un affichage des sponsors comme on en voit souvent derrière les vedettes, mais à y regarder de plus près je pense qu'il s'agit d'une création du logiciel)
La question qui me vient est la suivante:
Sachant qu'une image en entrée sera traitée par convolution pour réduire la dimension des donné (obligé vus la taille) comment le fakeur fait il pour produire une image en sortie, sa revient a devoir avoir un nombre de neurones de sortie énorme non?
ca commence si bien
Merci pour la vidéo c'est un truc de malade ce GAN lol. Est-ce que ce système de gan peut-être utilisé pour créer de la 3D ?? Car j'ai vu une vidéo où l'on montre un match de foot avec un seul angle de vue uniquement et via le gan (enfin je pense) peut-être pas que, a pu créer par la suite la scène de la vidéo en 3D mais à partir d'une image fixe provenant de la vidéo, est-ce possible ou ca n'a rien à voir ?? Merci d'avance
Je n'ai pas réussi ce défi Lê, probablement l'un des plus difficiles de toute la chaîne...
(mais bravo, puisque je pense que tout le monde s'est fait avoir par "le vrai piège", dont moi x'D)
C'est Téra intéressant! Cela me rappelle mes cours d'apprentissage et modélisation de master! Par contre j'aurai éternellement du mal avec le fait que les mathématiciens se sont appropriés le terme "neurones" à la place d'AIU. (d'autant plus que l'activité réelle d'un réseau de neurones biologiques ne pourrait être simulée optimalement que par des QC! Cela me semble donc, en parlant d'activité binaire, relever de l'hérésie haha :) )
Très chouettes vidéos, mais je ne vois pas à qui les transmettre dans mon entourage... Tip top top, mais continue, ça m'intéresse
Génial l'intro, j'ai raté le défi par contre :D
Meilleure intro
Le Mec.
Question technique, comment penses-tu pouvoir appliquer un algo GAN à une application d'algo génétique ? Existe-t'il une formule générale optimale pour le faire, ou le paradigme est-il incompatible ?
Il reste quelques artefacts à l'image ce qui rend le défi assez facile. Mais je pense qu'ils ne seraient pas très difficile à nettoyer, le gros du boulot est fait.
Désole , mais des lors qu'il y a backpropagation , c'est de l'apprentissage SUPERVISE. Tu descend un gradient indique par une fonction d'erreur. Il est non supervise quand tu n'a pas de fonction d'erreur et la backpropagation est alors impossible
Comment tu trouves de la data fake labelisé pour l'entraînement de l'adversaire (1ere etape?)
Après réflexion je pense que les couches de réseaux de neurones avec une faible descente de gradient nécessitent des skips d'autant plus grand (en nombre et en nombre de couches sautées) pour permettre une backpropagation plus efficace. Cette option est-elle valuable ?
J'ai pas mis plus d'une seconde à rire déso :p, mais merci :)
Quels sont les réseaux de neurones utilisés par AlphaGo et AlphaZero? Quelle(s) application(s) faut-il privilégier pour chaque architecture? Les GAN ne conviennent-elles que pour du traitement d'image ou y a t'il d'autres applications? Certaines architectures sont-elles obsolètes par rapport à d'autres?
Coucou des idées de librairies de Gan en cpp ou python?
Est ce que dans les GAN, le générateur et le discriminant utilisent des algorithme génétiques pour s’entraîner ou sont ils basés sur une autre méthode?
J'ai raté le défi...
Pour le reste ces GAN sont impressionnants, J'ai bien peur que le floutage (par exemple à la télévision) deviennent facilement "craquables" avec ce genre de réseaux :o
J'ai pas reussi ton défi haha^^
Ques-t-ce qui empèche le réseau générateur de produire des copies des données de références?
Si l'adversaire apprends a diférencier les autentiques des faux, il va diriger l'algorithme générateur jusqu'a ce qu'il prouduise des copies exactes d'originaux non?
J'adore
Selon un papier de Bengio de 2016, il semblerait qu'ajouter du bruit dans la fonction d'activation puisse faciliter l'apprentissage arxiv.org/abs/1603.00391
Au début de la vidéo, j'ai cru que c'était une pub TikTok. Bien vu, même si ta danse n'était pas top qualité, tu as réussi à imiter les pubs habituelles de TH-cam !
Salut Le !
Le mec qui danse trop bien que tu cherches c'est MARQUESE SCOTT ;)
Pour la partie détection de posture (pour la vidéo de dance), ça me fait beaucoup penser à ça : th-cam.com/video/pW6nZXeWlGM/w-d-xo.html (Le lien vers les sources est dispo dans la description github.com/ZheC/Realtime_Multi-Person_Pose_Estimation ).
Chellenge accepted.
Pfoouu.
Challege failed.
Ok alors par contre le gars qui tourne sur lui même sans que sa tête ne tourne ... comment dire..., flippant/20? (d'ailleurs ça m'evoque une question mais je vois pas comment la formuler, c'est un tout petit détail mais qui est en fait crucial, y'a un truc à developper la non?^^)
J'aime cette dance
cette casquette a un fond vert aussi? :D
Le mec
Au fait, je me suis procuré moi aussi "La Formule du savoir" et on en a pour son argent, mais... pourquoi toujours mettre la formule de Bayes sous forme multiplicative avec des probabilités alors qu'elle est nettement plus claire sous forme additive avec des "évidences" ?
fr.wikipedia.org/wiki/Inf%C3%A9rence_bay%C3%A9sienne#Valeur_du_test_et_notation_d'%C3%A9vidence
Plus généralement, n'y a-t-il pas quelque part un lien logique entre la sigmoïde de transformation des évidences en probabilités et les courbes de réponse utilisées pour mettre à jour les poids synaptiques ?
Bon bah, il va falloir faire danser Mr Phi
Question: est-ce qu'une IA serait en mesure d'identifier une photo ou une vidéos produites ou reconstituée par une autre IA. Comment on allons-nous être en mesure de contrôler si une photo/video est un fake ?
oui c'est possible mais très difficile , video ou photo faite par une autre IA cela s'appelle le deepfake
Echec : jerry...heu pardon , j'ai ris^^
J'ai échoué, tu m'a pris au dépourvu en pleine construction minecraft
J’ai cru a une pub tik tok ! Bien joué 😂
Lê sur tik tok !
Salut lê !
Si j'achète ton livre je peux venir te voir à l'EPFL pour une petite dédicace ? :-)
Oui :)
Je vote pour le mec parce que je doute que l'ia génère des boucles d'oreilles aussi realistes
Puisqu'il est dans l'actualité, est-ce que tu as un avis ou des remarques sur les déclarations d'Eric Sadin ?
Par exemple sur thinkerview la semaine dernière :
th-cam.com/video/VzeOnBRzDik/w-d-xo.html
Je trouve ses remarques plutôt bien posées et réfléchies.
Dave Sheik a obtenu un financement pour diffuser une vidéo sur Dailymotion puis la diffuser 15 jours plus tard sur TH-cam. C'est pas con. Tu pourrais continuer de diffuser tes vidéos le Lundi sur TH-cam mais tu la diffuses quelques jours plus tôt sur Dailymotion, genre tous les Vendredi ou tous les Dimanche. Comme ça, ça ne dérange pas les utilisateurs sur TH-cam, ça attire les gens sur Dailymotion (ce qui aide la diversité et la France) et tu pourrais peut-être obtenir un financement pour ça. Et tu précises le calendrier en fin de vidéo.
Défi réussi!
Plus sérieusement, est ce que l'on ne pourrait pas utiliser cette méthode pour concevoir l'apprentissage de l'IA aux échecs ou au go? Où dans le cas d'un bon coup joué on aurait le cas de l'imitation fidèle, et à l'inverse si le coup proposé par la machine n'est pas bon alors le système réagirait comme tu l'as dit dans le cas d'une mauvaise imitation pour se corriger par la suite
Le fonctionnement des GAN fait beaucoup penser au principe de la dialectique, sauf qu'il est ici itéré un grand nombre de fois(au lieu de passer trop rapidement à la synthèse.)
PS: J'ai échoué au test...
ne pas rire est impossible !
J’ai 995 de Qi j’ai le haki de l’observation ! Cordialement
Probablement le Défi Lê le plus difficile de ta chaîne 😩
13:44 Ils partent un peu en couille les bras de l'IA là non ?
J'ai pas vu le sondage... Mais perso je pense sans spoiler que les défauts d'images provoquées par le réseau de neurones trahissent malheureusement le résultat... Non ?
Je dirai le mec a cause du fond et du détourage ... et c'est sur cette photo que tu calcul le fack ... A moins que l'énoncé soit mal ... énoncé et que ce soit les 2
Il y a moyen d'obtenir une casquette comme la tienne ?
Oui ! Voici la boutique que je viens d'ouvrir : shop.spreadshirt.fr/science4all/
(je ne touche aucun profit)
c'est quoi la bonne réponse ?
Genre HyperGAN
Plus les épisodes avancent, plus j'ai l'impression que ces architectures / algorithmes ne sont dédiés qu'à la reconnaissance et au traitement d'images.
Pourquoi ne pas illustrer avec d'autres exemples qui, je pense, existent ?
Je pense que c'est dans le traitement des images que les avancées sont le plus spectaculaires (on partait de pas grand chose avant le deep learning et on a fait des bons de géants). De plus c'est bien sûr beaucoup plus facile de montrer des images dans une vidéo.
L'image du mec est chelou en arrière plan je pense que c'est elle la fausse
J'ai pas fini la vidéo mais ya moyen que les deux images soient fausses en fait :)
Lê.... Lê.... Nooooon !
C'était quoi le pari que tu a perdu pour faire ca ?
mince, j 'ai ri
les 2 ?
ce fond vert :p
Le mec... T'as vu ses oreilles !
À quand un jeu créé artificiellement ?
Déjà fait côté Nvidia ;)
www.lebigdata.fr/intelligence-artificielle-nvidia
Des machines qui font des machines...🤔
La fille je dirais
un taux de réussite du défi lê extrêmement bas
L'algo reconnait les celebrites par leur visage? La celebrite devrait venir du talent d'une personne, pas de son physique.
Je t'ai vu danser....... du coup j'ai commandé ton bouquin ( la formule du savoir) pour me consoler. Bye