`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

Как изменилось финансирование ИТ-направления в вашей организации?

Best CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Виталий Кобальчинский

Увиденному — не верить

+55
голосов

Сотрудники маленькой финской лаборатории, которая принадлежит Nvidia, забили ещё один маленький гвоздик в крышку гроба реальности, данной нам в ощущениях.

В последние годы одна за другой все известные технологические компании выдают на гора системы, способные на основании огромных коллекций проанализированных изображений узнавать лица и другие объекты с точностью, соперничающей с глазами человека. Финская программа делает примерно то же, только наоборот. Используя столь же внушительный банк визуальных данных она пытается генерировать лицо, которого никогда не существовало, обладающее характерными признаками знаменитости.

Задачу сделать такое изображение как можно более достоверным решает комбинация из двух искусственных нейросетей — одной, генерирующей изображения, и другой, которая пытается определить реальны ли показанные на них лица или нет.

Этот подход носит название генеративно-состязательные сети (англ. Generative Adversarial Network, сокращённо GAN). Каждая из нейросетей пытается любыми способами победить: одна — создать идеальную подделку, другая — не дать ввести себя в заблуждение.

Идея GAN пришла в голову Иану Гудфеллоу (Ian Goodfellow) из Монреальского университета, в 2014 г.: его осенило во время спора в местном баре, и в тот же вечер он написал первый прототип такого алгоритма. С тех пор эта концепция приобрела большую популярность и широко используется в исследованиях, расширяющих пределы возможного для искусственного интеллекта.

Система Nvidia начинает состязание с картинок низкого разрешения и постепенно улучает их качество. Благодаря этому обучение проходит быстрее и более контролируемым способом. На выходе получаются снимки размером 1024×1024 пикселя. Они уступают по качеству изображениям современных цифровых камер, но, тем не менее, имеют хорошую чёткость и весьма убедительны.

Увиденному — не верить

«Мы считаем, что можем подвинуться дальше, генерируя не просто фото, но объёмные изображения, которые можно будет использовать в компьютерных играх и фильмах», — сообщил Яакко Летинен (Jaakko Lehtinen), один из участников исследовательского проекта.

Сегодня тысячи исследователей во всём мире пытаются перейти от распознавания образов к реалистичному их изменению или к синтезу абсолютно новых. Ещё одна команда Nvidia построила систему, автоматически превращающую фото летней улицы в заснеженный пейзаж, в Калифорнийском университете (CA Berkeley) обучают программу преобразовывать лошадей в зебры, и живописный стиль Моне — в Ван Гога. Над интеграцией технологий ИИ в Photoshop работает Adobe.

В лондонской ИИ-лаборатории Google — DeepMind, экспериментируют даже с генерированием видео, однако продвижение в эту область, а также в игры и виртуальную реальность сдерживается большими вычислительными запросами интеллектуальных алгоритмов.

Летинен не считает, что решения, подобные тому, над которым работает он со своими коллегами, создают проблему кризиса доверия к визуальной информации. По его мнению, то, что поддельные «фотофакты» теперь можно создавать за секунды вместо дней и без вмешательства человека, ничего принципиально не меняет, и людям следовало начинать относиться с долей скептицизма ко всему, что они видят онлайн, уже с момента выхода Photoshop.

+55
голосов

Напечатать Отправить другу

Читайте также

 
 
IDC
Реклама

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT