Šī persona nav 2019. gada labākā vienreizējā tīmekļa vietne

Īsumā, šajā vietnē redzamie attēli, kas nav atrodami šajā tīmekļa vietnē, var šķist nejauši vidusskolas portreti vai neskaidri nevēlami LinkedIn headshots. Bet katrs vietnes fotoattēls ir izveidots, izmantojot īpašu mākslīgā intelekta algoritmu, ko dēvē par generatīviem sacīkstes tīkliem (GAN).

Katru reizi, kad vietne tiek atjaunota, parādās šokējoši reāls - bet pilnīgi viltots - personas sejas attēls. Bijušais Uber programmatūras inženieris Phillip Wang izveidoja lapu, lai parādītu, ko spēj GAN, un pēc tam otrdien ievietoja to publiskajā Facebook grupā “Mākslīgais intelekts un dziļa mācīšanās”.

Skatiet arī: Šī persona nepastāv autors, paskaidrojot, kāpēc viņš ir izveidojis šo vietni

Bāzes kodu, kas šo iespēju padarīja iespējamu, ar nosaukumu StyleGAN, rakstīja Nvidia, un tajā bija redzams papīrs, kas vēl jāpārskata. Šim precīzam neironu tīkla veidam ir potenciāls revolucionizēt videospēļu un 3D modelēšanas tehnoloģiju, bet, tāpat kā gandrīz jebkura veida tehnoloģijās, to varētu izmantot arī vairāk negodīgiem mērķiem. Deepfakes vai datorizētus attēlus, kas pārklāti ar esošajiem attēliem vai video, var izmantot, lai virzītu viltus ziņu stāstus vai citus mānus. Tieši tāpēc Wang izvēlējās radīt mierinošu, bet arī atdzesēšanas tīmekļa vietni.

„Esmu nolēmis rakt savas kabatas un paaugstināt sabiedrības informētību par šo tehnoloģiju,” viņš rakstīja savā amatā. „Sejas ir visnozīmīgākās mūsu izziņai, tāpēc es esmu nolēmis šo konkrēto iepriekš apmācīto modeli uzvilkt. Katru reizi, kad atjaunojat vietni, tīkls radīs jaunu sejas attēlu no nulles no 512 izmēra vektora. ”

Kā darbojas GAN?

GAN koncepciju pirmo reizi 2014. gadā iepazīstināja ar cienījamu datorzinātnieku Ian Goodfellow, un kopš tā laika Nvidia ir bijusi šīs tehnoloģijas priekšgalā. Tero Karras, galvenais uzņēmuma pētnieks, ir vadījis vairākus GAN pētījumus.

GAN pamatā ir divi tīkli: ģenerators un diskriminētājs. Šīs datorprogrammas konkurē viens ar otru miljoniem reižu, lai pilnveidotu savas tēla veidošanas prasmes, līdz tās ir pietiekami labas, lai izveidotu pilnvērtīgus attēlus.

Pētnieki nespēja izveidot augstas kvalitātes, 1024x1024 attēlus, izmantojot šo metodi, līdz nesenam laikam - 2017. gada beigās - kad Nvidia krekinga kodu, izmantojot tehniku, kas aprakstīta tās slavenajā ProGAN papīrā. StyleGAN balstās uz šo koncepciju, dodot pētniekiem lielāku kontroli pār konkrētām vizuālajām iezīmēm.

Kāpēc Nvidia tik labi GAN?

Nvidia pirmais darbības virziens ir grafikas apstrādes bloku (GPU vai grafikas karšu) projektēšana un pārdošana. GPU ir mašīnu apguves dzinēji, kas tiek izmantoti algoritmu, piemēram, StyleGAN, apmācībai stundas beigās. Īsāk sakot, GPU ir lielisks ātrs reizinājums masveida rindas un skaitļu kolonnas, kas ir tāds, kas notiek zem pārsega, kad AI tiek apmācīts.

Uzņēmumam ir priekšrocība piekļūt visprogresīvākajiem GPU, dodot saviem pētniekiem papildu priekšrocības no visprogresīvākajiem resursiem, lai apmācītu neironu tīklus.

GAN nākotne

Nvidia, Facebook, Google un daudziem citiem tehnoloģiju uzņēmumiem ir pētnieku komandas, kas izstrādā šīs A.I. versijas. tehnika. Mērķis ir izmantot to, lai radītu pilnīgi izvērstas virtuālās pasaules, iespējams, VR, izmantojot automatizētas metodes, nevis cieto kodēšanu. Savukārt GAN jau tiek izmantoti, lai attīstītu virtuālo sociālo mediju ietekmētāju tirgu.

Daudzas datorizētas rakstzīmes, kas reklamē modes zīmolus un dzīvesveida uzņēmumus, jau ir ieguvuši miljoniem sekotāju visā internetā. Riska kapitāla uzņēmumi koncepcijā ir ieguldījuši miljonus, un GAN varētu kalpot, lai padarītu šos 3D modeļus reālistiskākus ar mazāku darbaspēku.

Līdz tam laikam jūs atradīsiet mūs regulāri atsvaidzinošu šo personu, kas nepastāv, skatoties ar aizmirstību tās maldinošās dvēseles viltoto seju acīs. Tas ir aizraujošs, tomēr atdzistams piemērs tam, cik reāli nākotnes viltotas pasaules kļūst par reālistiskām.