讓電腦想象假如一個陽光亮媚的街道鄙人雨、下雪、乃至是黝黑一片會是甚么模樣。
據The Verge 新聞,美國盤算機圖形硬件廠商英偉達近日宣布了一組比較視頻。這個視頻原版是加州公路在陽光亮媚的氣象中路況,但經由AI處置后,視頻中途徑兩旁鋪滿了雪,一些樹木也只剩下光溜溜的樹干。
除轉變氣象,英偉達的圖象技巧還能從淡薄的空氣中生造出人的抽象,把日間釀成黑夜等。
英偉達方面表現,這項圖象技巧開端是為供給多種模仿情況來練習主動駕駛汽車的。加州氣象以好天占多數,優越的能見度很合適主動駕駛汽車行駛,但當它碰到一點雨或雪時會產生甚么呢?
人們可以比及雷雨天賦出去練習駕駛汽車,但很難從好天比及下雪天(或許說從炎天比及冬季)。對此,英偉達提出了這項處理計劃,讓電腦想象假如一個陽光亮媚的街道鄙人雨、下雪、乃至是黝黑一片會是甚么模樣。
這個計劃是基于一種叫GAN(生成的反抗性收集)的人工智能技巧,它經常使用于生成可視化數據。GAN的任務道理是將兩個自力的神經收集聯合起來——一個是制作數據模子(G),另外一個是斷定數據模子(D)。
以制作一張高仿真的貓圖片為例。生成數據模子 G 的目的就是盡可能生成真切的圖片去誘騙斷定數據模子D。GAN普通的任務邏輯是給 G 一系列貓的圖片,來練習它生成一張全新的真切的貓圖,爾后 D 擔任把 G狀況下,G 可以生成足以“以假亂真”的圖片,如許,我們的目標也就殺青了。 生成的圖片和真實的圖片分離開來,如許,G 和 D 就組成了一個輪回的“博弈”。最初博弈的成果是甚么?在最幻想的狀況下,G 可以生成足以“以假亂真”的圖片,如許人們的目標就殺青了。
值得留意的是,英偉達的這項研討絕對于現有的 GAN 有一個優勢:它能更好地停止無監視進修。普通來講,人們須要標志數據集來生成數據(即 D)。英偉達的研討員 Ming-Yu Liu 說明道,這意味著,假如你要制造一個把日間的場景釀成夜晚場景的 GAN,那末你就須要在統一地位分離拍攝足夠多的照片。爾后,G 才能夠研討二者的差別來生成新的圖片。
但英偉達在沒有標志數據集的情形下也可以或許發生相似成果,詳細完成方法英偉達未泄漏。
這項技巧既可用于主動駕駛汽車,但英偉達信任它還可以有更多的運用場景。“好比圖象編纂等” ,Ming-Yu Liu 說,“我們正在為我們的產物團隊和客戶供給這項技巧”。
但這項 AI 生造技巧也激發了人們對AI被用來制作虛偽圖象的擔心,《連線》雜志的 Oli Franklin-Wallis 說:人工智能最年夜的受益者也許不是掉去任務的人,而是一切人對本身所看到或聽到的任何工作很難再完全信賴。