𝗛𝗶𝗴𝗵-𝗥𝗲𝘀 𝗡𝗲𝘂𝗿𝗮𝗹 𝗖𝗲𝗹𝗹𝘂𝗹𝗮𝗿 𝗔𝘂𝘁𝗼𝗺𝗮𝘁𝗮
પિક્સેલ્સ પોતાની મેળે છબીઓને વિકસાવી અને રિપેર કરી શકે છે.
ન્યુરલ સેલ્યુલર ઓટોમેટા (NCA) આ પ્રક્રિયાને ચલાવવા માટે ન્યુરલ નેટવર્કનો ઉપયોગ કરે છે. દરેક પિક્સેલ એક જીવંત કોષ (cell) ની જેમ કાર્ય કરે છે. દરેક કોષમાં સમાન નાનું ન્યુરલ નેટવર્ક હોય છે.
તે કેવી રીતે કામ કરે છે:
- દરેક કોષ તેની પોતાની સ્થિતિ તપાસે છે.
- દરેક કોષ તેના પડોશીઓને જુએ છે.
- ન્યુરલ નેટવર્ક નક્કી કરે છે કે કોષમાં કેવી રીતે ફેરફાર કરવો.
- ટ્રેનિંગ આ કોષોને એક ચોક્કસ છબી બનાવવા માટે સૂચના આપે છે.
આનાથી ઇમર્જન્ટ બિહેવિયર (emergent behavior) પેદા થાય છે. સરળ સ્થાનિક નિયમો જટિલ વૈશ્વિક પેટર્ન તરફ દોરી જાય છે. સિસ્ટમ સ્વયં-સંગઠિત (self-organize) થતા શીખે છે. જો તમે છબીને નુકસાન પહોંચાડો છો, તો કોષો તેને સુધારવા માટે સાથે મળીને કામ કરે છે.
જૂના NCA મોડલ્સમાં સ્કેલ (scale) ની સમસ્યા હતી. તેઓ નાના ગ્રીડ માટે કામ કરતા હતા પરંતુ હાઇ રિઝોલ્યુશન પર નિષ્ફળ જતા હતા. તેઓ અસ્થિર બની જતા અથવા પિક્સેલેટેડ દેખાતા હતા.
આ નવો હાઇ-રિઝોલ્યુશન અભિગમ તે બદલી નાખે છે. તે 512x512 અથવા 1024x1024 રિઝોલ્યુશન પર સ્થિર અને જટિલ પેટર્ન બનાવવાની મંજૂરી આપે છે.
ડેવલપર્સ માટે આ કેમ મહત્વનું છે:
- ગેમ્સમાં પ્રોસિજરલ જનરેશન (Procedural generation).
- સ્વાયત્ત ડિજિટલ આર્ટ (Autonomous digital art).
- જટિલ સિસ્ટમ્સનો અભ્યાસ કરવા માટેના નવા રસ્તાઓ.
તમે એવા એસેટ્સ (assets) બનાવવા માટે આ સિસ્ટમ્સનો ઉપયોગ કરી શકો છો જે વાસ્તવિક સમયમાં (real time) વિકસે અથવા ફેરફારો પ્રત્યે પ્રતિક્રિયા આપે.