Šis asmuo neegzistuoja 2019 m. Geriausia vienkartinė svetainė

Iš pirmo žvilgsnio šiame tinklalapyje esantys vaizdai, kurie nėra, gali atrodyti kaip atsitiktiniai vidurinės mokyklos portretai arba neaiškiai nepatartūs „LinkedIn“ vadovai. Tačiau kiekviena nuotraukoje esanti nuotrauka sukurta naudojant specialųjį dirbtinio intelekto algoritmą, vadinamą generatyviniais prieštaravimo tinklais (GAN).

Kiekvieną kartą, kai svetainė atnaujinama, atsiranda šokiruojantis realus, bet visiškai netikras asmens veido vaizdas. Buvęs Uberio programinės įrangos inžinierius Phillip Wang sukūrė puslapį, kad parodytų, ką GAN gali sugebėti, ir antradienį paskelbė jį viešai „Facebook“ grupei „Dirbtinis intelektas ir gilus mokymasis“.

Taip pat žiūrėkite: Šis asmuo neturi kūrėjo paaiškina, kodėl jis padarė svetainę

Pagrindinį kodą, kuris leido tai padaryti, pavadino „StyleGAN“, parašė „Nvidia“ ir pristatė popieriuje, kuris dar turi būti peržiūrėtas. Toks tikslinis neuronų tinklo tipas gali revoliucionizuoti vaizdo žaidimus ir 3D modeliavimo technologijas, tačiau, kaip ir beveik bet kokios rūšies technologijoje, jis taip pat gali būti naudojamas dar sunkesniems tikslams. Deepfakes arba kompiuteriu sukurti vaizdai, esantys ant esamų nuotraukų ar vaizdo įrašų, gali būti naudojami padirbtų naujienų pasakojimams arba kitiems apgaulėms. Būtent todėl Wang nusprendė sukurti įkvepiančią, bet ir šaldymo svetainę.

„Nusprendžiau kasti į savo kišenes ir didinti visuomenės informuotumą apie šią technologiją“, - rašė jis savo pareigose. „Veidai yra labiausiai svarbūs mūsų pažinimui, todėl nusprendžiau įdėti tą konkretų iš anksto parengtą modelį. Kiekvieną kartą, kai atnaujinate svetainę, tinklas sukurs naują veido atvaizdą nuo 512 matmenų vektoriaus. “

Kaip veikia GAN?

GAN koncepciją pirmą kartą pristatė gerbiamas kompiuterių mokslininkas Ian Goodfellow, o nuo to laiko Nvidia buvo pirmaujanti technologija. Tero Karras, pagrindinis bendrovės mokslininkas, vadovavo daugeliui GAN tyrimų.

GAN pagrindą sudaro du tinklai: generatorius ir diskriminatorius. Šios kompiuterinės programos prieš milijonus kartų konkuruoja viena su kita, kad patobulintų savo įvaizdžio kūrimo įgūdžius, kol jie bus pakankamai geri, kad sukurtų visavertes nuotraukas.

Tyrėjai nesugebėjo sukurti aukštos kokybės, 1024x1024 vaizdų, naudodami šį metodą iki pat neseniai - 2017 m. Pabaigoje - kai „Nvidia“ krekingo kodą naudodamas savo žinomame „ProGAN“ popieriuje aprašytą techniką. „StyleGAN“ remiasi šia koncepcija, suteikdama mokslininkams daugiau galimybių kontroliuoti konkrečias vizualines savybes.

Kodėl Nvidija taip gerai GAN?

Pirmoji „Nvidia“ verslo linija yra grafikos apdorojimo įrenginių (GPU arba grafikos plokščių) projektavimas ir pardavimas. GPU yra mašinų mokymosi varikliai, naudojami mokyti algoritmus, pvz., „StyleGAN“, valandų pabaigoje. Trumpai tariant, GPU yra puikūs greitai dauginant masyvios eilutės ir numerių stulpeliai, kurie yra tai, kas vyksta po gaubtu, kai AI mokosi.

Bendrovė turi naudos, nes turi prieigą prie pačių pažangiausių GPU, suteikdama mokslininkams papildomų pranašumų iš pažangiausių išteklių, skirtų traukinių neuroniniams tinklams mokyti.

GAN ateitis

„Nvidia“, „Facebook“, „Google“ ir daugelis kitų technologijų įmonių turi mokslininkų eskadronus, kuriančius šios A.I. technika. Galutinis tikslas - panaudoti jį sukurti visiškai sukurtus virtualius pasaulius, galbūt VR, naudojant automatizuotus metodus vietoj kietojo kodavimo. Tačiau tuo tarpu GAN jau naudojami kuriant virtualios socialinės žiniasklaidos įtakojančią rinką.

Daugybė kompiuterinių ženklų, reklamuojančių mados ženklus ir gyvenimo būdo įmones, jau surinko milijonus pasekėjų internete. Rizikos kapitalo įmonės į šią koncepciją investavo milijonus, o GAN gali padėti padaryti šiuos 3D modelius realesnius su mažiau darbo jėgos.

Iki tol galėsite mus periodiškai atgaivinti šį asmenį, kuris nėra egzistuojantis, žvelgdamas į užmarštį į savo klaidinančias sielos klastojimo veidų akis. Tai įdomus, tačiau atšaldantis pavyzdys, kaip tikėtina, kaip ateityje taps netikri ateities pasauliai.