Britansko podjetje DeepMind, ki je leta 2014 postalo del Googla, si nenehno prizadeva za izboljšanje umetne inteligence. Junija 2018 so zaposleni predstavili nevronsko mrežo, ki je sposobna ustvarjati 3D slike iz 2D. Oktobra so razvijalci šli dlje - ustvarili so nevronsko mrežo BigGAN, da bi ustvarili slike narave, živali in predmetov, ki jih je težko razlikovati od pravih fotografij.
Tako kot pri drugih projektih umetne podobe tudi ta tehnologija temelji na generativni adversarialni nevronski mreži. Spomnimo se, da je sestavljen iz dveh delov: generatorja in diskriminatorja. Prvi ustvarja slike, drugi pa ocenjuje njihovo podobnost z vzorci idealnega rezultata.
V tem delu smo želeli zabrisati črto med AI generiranimi slikami in fotografijami iz resničnega sveta. Ugotovili smo, da za to zadostujejo že obstoječe metode generacije.
Različne nabore slik so uporabili za poučevanje BigGAN-a za ustvarjanje slik metuljev, psov in hrane. Najprej je usposabljanje temeljilo na bazi ImageNet, nato pa - večjem naboru JFT-300M s 300 milijoni slik, razdeljenih v 18.000 kategorij.
Trening za BigGAN je trajal 2 dni. Potrebnih je bilo 128 Googlovih tenzorskih procesorjev, zasnovanih posebej za strojno učenje.
Pri razvoju nevronske mreže so sodelovali tudi profesorji škotske univerze Heriot-Watt. Podrobnosti o tehnologiji so opisane v članku Izobraževanje
obsežna generativna adversarialna nevronska mreža GAN za sintezo visokokakovostnih naravnih slik."
Promocijski video:
Septembra so raziskovalci z univerze Carnegie Melon uporabili generativne adversarialne nevronske mreže, da bi ustvarili sistem za prekrivanje obraznih izrazov na obrazih drugih.
Ramis Ganiev