Künstliche Intelligenzen haben versucht, Objekte zu erkennen, Gemälde zu malen, Filme zu schreiben und natürlich menschliche Gesichter zu erzeugen. In vielen Fällen waren die Ergebnisse schrecklich, aber die Zeit arbeitet für sie, und mit jedem neuen Versuch werden sie ein klein wenig besser. Heute ist Nvidia an der Reihe, das soeben Informationen über eine spezielle Trainingsmethode für generative gegnerische Netzwerke veröffentlicht hat. Auch wenn es nicht fehlerfrei ist, liegt die Qualität einiger Bilder weit über dem, was wir erwartet haben, so sehr, dass sie leicht mit echten Menschen verwechselt werden könnten …
Vor 30 Jahren sahen wir zum ersten Mal Mega Man blinken und waren sprachlos. Heute kann ein „modernes“ Spiel, das Charaktere mit etwas deformierten Gesichtern und armen Animationen zeigt, über Nacht verurteilt werden, so wie es Mass Effect: Andromeda erging. Digitalisierung und Motion Capture sind für viele Entwickler zu kritischen Ressourcen geworden und erreichen ein hohes Maß an Präzision, aber da draußen gibt es große Anstrengungen, diese Verantwortung auf künstliche Intelligenzen zu übertragen. Ein solides Beispiel ist Nvidia, das eine Studie über fortgeschrittene Trainingsmethoden für sogenannte generative gegnerische Netzwerke veröffentlicht hat.
In einfachen Worten: Nvidia hat das Generator- und das Diskriminator-Netzwerk progressiv trainiert, beginnend mit einer niedrigen Auflösung und Hinzufügen neuer Schichten, die feinere Details liefern, während das Training fortschreitet. Der erste Vorteil ist eine höhere Geschwindigkeit, aber das verblasst gegenüber der Qualität der erzielten Bilder. Nicht eine einzige Person, die Sie gleich sehen werden, ist real. Das geübte Auge kann mehrere Fehler ohne große Mühe finden, aber wir dürfen nicht vergessen, dass dies erst der Anfang ist.
Galerie
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Und zum Schluss das offizielle Video, das die Übergangs- und Verarbeitungsfähigkeit des neuronalen Netzes zeigt. Wie Nvidia empfehlen wir die Wiedergabe in 1080p60. Es ist ausgezeichnet.
