Britanska tvrtka DeepMind, koja je 2014. postala dio Googlea, stalno radi na poboljšanju umjetne inteligencije. U lipnju 2018. godine zaposlenici su predstavili neuronsku mrežu sposobnu kreirati 3D slike iz 2D-a. U listopadu su programeri otišli dalje - stvorili su BigGAN neuronsku mrežu kako bi stvorili slike prirode, životinja i objekata koje je teško razlikovati od stvarnih fotografija.
Kao i kod drugih projekata umjetnih imaginacija, i ova se tehnologija temelji na generativnoj protivgradnoj neuronskoj mreži. Podsjetimo da se sastoji od dva dijela: generatora i diskriminatora. Prvi stvara slike, a drugi procjenjuje njihovu sličnost sa uzorcima idealnog rezultata.
U ovom smo radu željeli zamagliti liniju između AI generiranih slika i fotografija iz stvarnog svijeta. Otkrili smo da su postojeće metode generacije dovoljne za to.
Različiti setovi slika korišteni su za poučavanje BigGAN-a da stvara slike leptira, pasa i hrane. Prvo se obuka temeljila na bazi ImageNet, a zatim - na većem skupu JFT-300M od 300 milijuna slika, podijeljenom u 18.000 kategorija.
Trening za BigGAN trajao je 2 dana. Bilo je potrebno 128 Google Tensor procesora dizajniranih posebno za strojno učenje.
Profesori sa škotskog sveučilišta Heriot-Watt također su sudjelovali u razvoju neuronske mreže. Pojedinosti o tehnologiji opisane su u članku Trening
velika generativna adversarijalna neuronska mreža GAN za sintezu prirodnih slika visoke vjernosti “.
Promotivni video:
U rujnu su istraživači sa Sveučilišta Carnegie Melon koristili generativne protivpožarne neuronske mreže kako bi stvorili sustav za nadimanje izraza lica na licima drugih.
Ramis Ganiev