ہائپر نیٹ ورکس کیا ہیں؟

جب اسٹیبل ڈفیوژن، AI ایپلی کیشن رینڈرنگ فوٹو ریئلسٹک امیجز کو چند ہفتے پہلے نمایاں کیا گیا تو اس کے ساتھ ایک نیا بز ورڈ آیا۔ ہائپر نیٹ ورکس

اب، پہلے سے ہی اسٹیبل ڈفیوژن اور ہائپر نیٹ ورکس اتنے جوڑ چکے ہیں کہ ایک ہی پیراگراف میں ایک کے بغیر ایک کا ذکر کرنا ناممکن ہے۔

"میں نے چھوٹے ڈیٹاسیٹس پر مستحکم ڈفیوژن ہائپر نیٹ ورکس کو تربیت دی ہے (نہیں، واقعی آپ کے علاوہ ہم عصر فنکاروں کو نہیں) اس کو غیر واضح "اسٹائل" سکھانے کے لئے جو یہ واقعی باکس سے باہر نہیں سمجھتا ہے۔ یہ بالکل اسی طرح کام کرتا ہے جیسا کہ بیان کیا گیا ہے، درحقیقت اس سے بہتر ہے جتنا میں نے خود سوچا تھا کہ یہ ہوگا،" ٹویٹر پر ایک صارف کا کہنا ہے۔

میں نے چھوٹے ڈیٹاسیٹس پر مستحکم ڈفیوژن ہائپر نیٹ ورکس کو تربیت دی ہے (نہیں، آپ کے علاوہ ہم عصر فنکاروں کو نہیں) اس کو غیر واضح "اسٹائل" سکھانے کے لئے جو یہ واقعی باکس سے باہر نہیں سمجھتا ہے۔ یہ بالکل اسی طرح کام کرتا ہے جیسا کہ اس نے بیان کیا، اصل میں اس سے بہتر ہے جتنا میں نے خود سوچا تھا کہ ایسا ہوگا۔

— regretmaximizer (@regretmaximizer) دسمبر 20، 2022

یہ ہائپر نیٹ ورک بز کی مظہر ہے جو دیر سے نیٹیزنز کو گرفت میں لے رہا ہے۔

کمپیوٹر سائنس میں، ایک ہائپر نیٹ ورک تکنیکی طور پر ایک ایسا نیٹ ورک ہے جو ایک اہم نیٹ ورک کے لیے وزن پیدا کرتا ہے۔ دوسرے لفظوں میں، یہ خیال کیا جاتا ہے کہ مرکزی نیٹ ورک کا رویہ دوسرے عصبی نیٹ ورکس کے ساتھ ایک جیسا ہے کیونکہ یہ کچھ خام ان پٹس کو اپنے مطلوبہ اہداف کے لیے نقشہ بنانا سیکھتا ہے جب کہ ہائپر نیٹ ورک ان پٹس کا ایک سیٹ لیتا ہے جس میں وزن کی ساخت کے بارے میں معلومات ہوتی ہیں اور پیدا ہوتی ہیں۔ اس پرت کا وزن۔

یہ بھی پڑھیں: AI ٹیک جو زندگی کو تباہ کرنے والی گہری جعلی تصاویر بناتی ہے۔

ہائپر نیٹ ورکس کیسے استعمال ہوتے ہیں؟

یہ سمجھنے کے لیے کہ ہائپر نیٹ ورک کیا ہے، آئیے تھوڑا سا بیک اپ لیں۔ اگر آپ نے Stable Diffusion - ڈیجیٹل آرٹ اور امیجز بنانے کے لیے AI ٹول پر امیجز بنائی ہیں تو آپ اس کا سامنا کر چکے ہیں۔

تربیت عام طور پر اس عمل سے مراد ہے جہاں ایک ماڈل لیبل کی گئی مثالوں سے تمام وزنوں اور تعصب کے لیے اچھی قدریں سیکھتا ہے (تعین کرنا)

پر تصاویر بنانا مستحکم بازی ایک خودکار عمل نہیں ہے، جیسا کہ ہم نے احاطہ کیا ہے۔ دوسری جگہوں پر. وہاں جانے کے لیے، وہاں عمل ہوتا ہے۔

سب سے پہلے ایک AI ماڈل کو یہ سیکھنا چاہیے کہ سافٹ ویئر کے ذریعے 2D یا 3D ماڈل سے کسی کی تصویر کو تصویر میں کیسے رینڈر یا سنتھیسائز کرنا ہے۔ اگرچہ اسٹیبل ڈفیوژن ماڈل کا اچھی طرح سے تجربہ کیا گیا تھا، اس میں کچھ تربیتی حدود ہیں جنہیں ایمبیڈنگ اور ہائپر نیٹ ورکس ٹریننگ کے طریقوں سے درست کیا جا سکتا ہے۔

بہترین نتائج حاصل کرنے کے لیے، اختتامی استعمال کنندگان مزید مخصوص استعمال کے معاملات سے مماثل ہونے کے لیے فائن ٹیون جنریشن آؤٹ پٹ کے لیے اضافی تربیت کرنے کا انتخاب کر سکتے ہیں۔ ایک "ایمبیڈنگ" ٹریننگ میں صارف کی فراہم کردہ تصاویر کا ایک مجموعہ شامل ہوتا ہے، اور جب بھی ایمبیڈنگ کا نام جنریشن پرامپٹ میں استعمال کیا جاتا ہے تو ماڈل کو بصری طور پر ملتی جلتی تصاویر بنانے کی اجازت دیتا ہے۔

ایمبیڈنگز تل ابیب یونیورسٹی کے محققین کے تیار کردہ "ٹیکسٹچوئل انورسیشن" تصور پر مبنی ہیں جہاں ماڈل کے ٹیکسٹ انکوڈر کے ذریعے استعمال ہونے والے مخصوص ٹوکنز کے لیے ویکٹر کی نمائندگی نئے چھدم الفاظ سے منسلک ہے۔ ایمبیڈنگ اصل ماڈل کے اندر تعصب کو کم کر سکتی ہے، یا بصری انداز کی نقل کر سکتی ہے۔

دوسری طرف، ایک "ہائپر نیٹ ورک"، ایک پہلے سے تربیت یافتہ نیورل نیٹ ورک ہے جو ایک بڑے نیورل نیٹ ورک کے اندر مختلف پوائنٹس پر لاگو ہوتا ہے، اور 2021 میں NovelAI ڈویلپر Kurumuz کی تخلیق کردہ تکنیک سے مراد ہے، جس کا اصل مقصد ٹیکسٹ جنریشن ٹرانسفارمر ماڈلز کے لیے تھا۔ .

مخصوص فنکاروں پر ٹرینیں

نتائج کو کسی خاص سمت کی طرف لے جانے کے لیے ہائپر نیٹ ورکس کو شامل کیا جاتا ہے، جس سے مستحکم ڈفیوژن پر مبنی ماڈلز کو مخصوص فنکاروں کے آرٹ اسٹائل کو نقل کرنے کی اجازت ملتی ہے۔ نیٹ ورک کو اس وقت بھی کام کرنے کے قابل ہونے کا فائدہ ہے جب فنکار کو اصل ماڈل سے پہچانا نہیں جاتا ہے اور پھر بھی وہ تصویر پر کارروائی کرے گا جیسے کہ بالوں اور آنکھوں جیسے اہم علاقوں کو تلاش کر کے، اور پھر ان علاقوں کو ایک ثانوی اویکت جگہ میں جوڑ دے گا۔

"مستحکم پھیلاؤ میں سرایت کرنے والی پرت ان پٹس (مثال کے طور پر، ٹیکسٹ پرامپٹ اور کلاس لیبل) کو کم جہتی ویکٹر میں انکوڈنگ کرنے کے لیے ذمہ دار ہے۔ یہ ویکٹر ڈفیوژن ماڈل کی رہنمائی کرنے میں مدد کرتے ہیں تاکہ ایسی تصاویر تیار کی جا سکیں جو صارف کے ان پٹ سے مماثل ہوں،" بینی چیونگ اپنے بلاگ میں بتاتے ہیں۔

"ہائپر نیٹ ورک پرت سسٹم کے لیے اپنے علم کو سیکھنے اور اس کی نمائندگی کرنے کا ایک طریقہ ہے۔ یہ مستحکم بازی کو اس کے پچھلے تجربے کی بنیاد پر تصاویر بنانے کی اجازت دیتا ہے۔

اگرچہ اس کی سرایت کرنے والی پرت ان پٹس جیسے ٹیکسٹ پرامپٹ اور کلاس لیبلز کو کم جہتی ویکٹرز میں انکوڈ کرتی ہے تاکہ ڈفیوژن ماڈل کی رہنمائی میں مدد کی جا سکے تاکہ وہ تصاویر تیار کر سکیں جو صارف کے ان پٹ سے ملتی ہیں، ہائپر نیٹ ورک پرت کسی حد تک سسٹم کے لیے سیکھنے اور اپنی نمائندگی کرنے کا ایک طریقہ ہے۔ علم

دوسرے الفاظ میں، یہ اسٹیبل ڈفیوژن کو اپنے پچھلے تجربے کی بنیاد پر تصاویر بنانے کی اجازت دیتا ہے۔ اسٹیبل ڈفیوژن میں، ہائپر نیٹ ورک ایک اضافی پرت ہے جس پر ماڈل کے ذریعے تصویر پیش کرنے کے بعد کارروائی کی جاتی ہے۔ ہائپر نیٹ ورک ماڈل کے تمام نتائج کو آپ کے تربیتی ڈیٹا کی طرف ایک طرح سے موڑ دیتا ہے جس طرح بنیادی طور پر ماڈل کو "تبدیل" کرتا ہے۔

یادداشت برقرار رکھنا

اس کا بنیادی طور پر مطلب یہ ہے کہ ہائپر نیٹ ورک ان تصاویر کی میموری برقرار رکھنے کے لیے ذمہ دار ہے جو سسٹم نے پہلے تیار کیا ہے۔ جب کوئی صارف ایک نیا ان پٹ دیتا ہے، تو نظام زیادہ درست تصویر بنانے کے لیے اپنے پہلے سے موجود علم کو استعمال کر سکتا ہے۔ اس طرح، ہائپر نیٹ ورکس سسٹم کو تیزی سے سیکھنے اور بہتر ہونے کی اجازت دیتا ہے۔

اس کا فائدہ یہ ہے کہ ہر تصویر جس میں آپ کے تربیتی ڈیٹا کو بیان کیا گیا ہو، آپ کے تربیتی ڈیٹا کی طرح نظر آئے گا۔

"ہم نے پایا کہ ایمبیڈنگ کے ساتھ تربیت خود پورٹریٹ بنانے کے لیے ہائپر نیٹ ورک کے ساتھ تربیت سے زیادہ آسان ہے۔ ہماری تربیت کے اچھے نتائج برآمد ہوئے جس سے ہم مطمئن ہیں،‘‘ چیونگ نے لکھا۔

آپ کونسی فائن ٹیوننگ تکنیک استعمال کر رہے ہیں؟ ہائپر نیٹ ورکس یا ٹیکسٹول الٹا جیسی کوئی چیز؟

— میتھیاس مشیل (@m91michel) دسمبر 21، 2022

لیکن یہ ایک ایسی ٹکنالوجی ہے جس میں بہت سے لوگ اب بھی کام کر رہے ہیں۔ Hypernetworks اور AI-generators نے ابھی صارفین کی ضروریات اور خواہشات کو پورا کرنا شروع کیا ہے۔ یوزر انٹرفیس اور اشارہ دینے کی تکنیک بلاشبہ تیزی سے آگے بڑھیں گی، اور شاید پکڑنے والی بھی ہوں گی۔ گوگل آف گارڈ، بطور میٹا نیوز حال ہی میں احاطہ کرتا ہے.

اس پوسٹ کو شیئر کریں۔