Neurale netværk er i stigende grad på arbejdspladser, der plejede at være forbeholdt for den menneskelige hjerne. Så Erik Bernhardsson besluttede at se, hvad der ville ske, hvis han kastede 50,000 skrifttyper på en neurale netværk, og overladt det til at tygge igennem dem. De resultater, viser det sig, er temmelig interessant.
At fodre de skrifttyper, at AI, han skabte net af tegn—hver karakter montering i et 64×64 pixel kassen, så de derefter kunne sammenlignes direkte med hinanden. I processen fik han den neurale net til at skabe, hvad han kalder en “font vektor”—en slags abstrakt matematisk konstruktion, der alene definerer skrifttypen. Du kan læse om detaljerne i, hvordan han gjorde det i et blog-indlæg her.
Mere interessant er, hvad der kan gøres med den resulterende vektor, som Bernhardsson forklarer:
Da hver skrifttype er en vektor, vi kan skabe vilkårlig font vektorer og generere output fra det. Vi kan… vælg en skrifttype vektor og generere nye skrifttyper fra tilfældige forstyrrelser… Vi kan også skabe helt nye skrifttyper. Hvis vi model fordelingen af font vektorer som en multivariat normal, kan vi prøve tilfældige vektorer fra det og se på de skrifttyper, de producerer.
I virkeligheden, det er, hvad du kan se i gif ovenfor. Det er ret smart, for: Det er lært, for eksempel, at mange skrifttyper bruger store bogstaver til små bogstaver sæt, og det på en intelligent måde skifter mellem de to, afhængigt af den type font, den skaber.
Neurale net kan ikke overtage jobbet af designere lige nu, sikker, men det er en temmelig cool projekt, der viser, hvor alsidigt, det kan være. Du kan gå og læse alt om det her.
Sponsoreret
[Erik Bernhardsson via Flyder Data]