Syarikat Britain DeepMind, yang menjadi sebahagian daripada Google pada tahun 2014, sentiasa berusaha untuk meningkatkan kecerdasan buatan. Pada bulan Jun 2018, pekerjanya menghadirkan rangkaian neural yang mampu membuat gambar 3D dari gambar 2D. Pada bulan Oktober, para pembangun melangkah lebih jauh - mereka membuat rangkaian saraf BigGAN untuk menghasilkan gambar alam, haiwan dan objek yang sukar dibezakan dari gambar sebenar.
Seperti projek citra buatan lain, teknologi ini didasarkan pada rangkaian saraf lawan generatif. Ingat bahawa ia terdiri daripada dua bahagian: penjana dan pembeza. Yang pertama membuat gambar, dan yang kedua menilai kesamaannya dengan sampel hasil yang ideal.
Dalam karya ini, kami ingin mengaburkan garis antara gambar dan gambar yang dihasilkan oleh AI dari dunia nyata. Kami mendapati bahawa kaedah penjanaan yang ada sudah mencukupi untuk ini.
Kumpulan gambar yang berbeza digunakan untuk mengajar BigGAN membuat gambar rama-rama, anjing, dan makanan. Pertama, latihan itu berdasarkan pangkalan data ImageNet, dan kemudian - set JFT-300M yang lebih besar dari 300 juta gambar, dibahagikan kepada 18,000 kategori.
Latihan BigGAN mengambil masa 2 hari. Memerlukan 128 Pemproses Google Tensor yang dirancang khusus untuk pembelajaran mesin.
Profesor dari Universiti Heriot-Watt Scotland juga turut serta dalam pengembangan rangkaian saraf. Perincian mengenai teknologi dijelaskan dalam artikel Latihan
GAN rangkaian neural generatif berskala besar untuk sintesis gambar semula jadi kesetiaan tinggi.
Video promosi:
Pada bulan September, para penyelidik di Carnegie Melon University menggunakan rangkaian saraf lawan generatif untuk membuat sistem untuk melampaui ekspresi wajah pada wajah orang lain.
Ramis Ganiev
