Nvidia Tag-Teaming AI iedomājas nakti kā dienu un mājas kaķus kā tīģerus

Kategorija: Mākslīgais intelekts Ievietots 04. decembris

Jauns mašīnmācības virziens dod datoriem iespēju sapņot, un rezultāti ir aizraujoši un, iespējams, diezgan noderīgi.

Sistēma, ko izstrādājuši pētnieki Nvidia Santaklārā, Kalifornijā, var aplūkot saulaina ceļa attēlu un satriecoši detalizēti iedomāties, kā tas izskatītos lietus, nakts vai sniega dienas gadījumā. Tas var arī iedomāties, kā izskatītos mājas kaķis, ja tas būtu leopards, lauva vai tīģeris.

The programmatūra izmanto populāru jauno pieeju AI, kas ļauj datoriem mācīties bez cilvēka palīdzības. Komanda izmantoja ģeneratīvos pretrunīgos tīklus jeb GAN, kas ir neironu tīkli, kas darbojas tandēmā, lai uzzinātu datu kopas īpašības (skatiet sadaļu Inovatori, kas jaunāki par 35 gadiem: Ian Goodfellow).

GAN viens neironu tīkls mēģina radīt sintētiskos datus, bet otrs mēģina pateikt, vai piemērs nāk no reālās datu kopas. Atsauksmes no otrā tīkla palīdz uzlabot pirmā tīkla veiktspēju. Nvidia komandas triks ir izmantot divus GAN, kas apmācīti uz dažādiem, bet līdzīgiem datiem, un izmantot abu apmācīto modeļu līdzības vai pārklāšanos, lai izveidotu jaunus attēlus.

Piemēram, ielu attēlu gadījumā viens GAN tika apmācīts, lai internalizētu ceļu īpašības, bet otrs tika apmācīts, izmantojot nakts, lietainu vai sniegotu ainu attēlus. Abu tīklu savienošana ļauj datoram iedomāties, kā aina izskatītos dažādos apstākļos. Līdzīgs triks tika veikts ar mājas kaķiem un lielajiem kaķiem (varat pārbaudīt pilns video šeit). Pētnieki iepazīstina ar darbu Neironu informācijas apstrādes sistēmu konference Šonedēļ Longbīčā, Kalifornijā. Šeit ir papīrs (PDF), kas apraksta darbu.

Līdz šim mašīnmācība ir vairāk vērsta uz atpazīšanu, saka Ming-Ju Liu , kurš kopā ar kolēģiem strādāja pie projekta Tomass Breuels un Jans Kautcs . Bet cilvēki var likt lietā savu iztēli. Ja es jums nofotografēšu vasarā, jūs varat iedomāties, kā tas būs sniegā.

Liu saka, ka tehnoloģijai varētu būt praktiski pielietojumi attēlu un video rediģēšanā, kā arī reālistisku efektu pievienošanai sociālajos tīklos ievietotajiem attēliem un video. Iedomājieties, ka varat publicēt tiešraides video, kurā jūs, piemēram, ir redzams ļoti reālistiskā mākslīgā vidē, vai kas pārliecinoši pārvērš jūsu seju citas personas vai dzīvnieka sejā.

Šī pieeja varētu izrādīties noderīga arī pašbraukšanas sistēmu apmācībai, lai atpazītu vairāk scenāriju, neievācot smieklīgu reālās pasaules datu daudzumu. Kalifornijā mums nav daudz sniega, taču mēs vēlamies, lai mūsu pašbraucošā automašīna labi darbotos sniegā, saka Liu.