Le intelligenze artificiali hanno provato a riconoscere oggetti, a dipingere quadri, a scrivere film e, naturalmente, a generare volti umani. In molti casi i risultati sono stati orribili, ma il tempo è dalla loro parte e a ogni nuovo tentativo migliorano un po'. Oggi è il turno di Nvidia, che ha appena pubblicato informazioni su un metodo speciale di addestramento per le reti avversarie generative. Sebbene non sia privo di errori, la qualità di alcune immagini si colloca ben al di sopra di quanto ci aspettassimo, al punto che potrebbero essere facilmente confuse con persone reali…
Trent'anni fa vedemmo lampeggiare Mega Man per la prima volta e rimanemmo a bocca aperta. Oggi un gioco «moderno» che presenta personaggi con volti un po' deformi e animazioni povere può essere condannato dall'oggi al domani, proprio come è successo a Mass Effect: Andromeda. La digitalizzazione e la motion capture sono diventate risorse critiche per molti sviluppatori, raggiungendo un alto livello di precisione, ma là fuori ci sono sforzi enormi che cercano di riversare quella responsabilità sulle intelligenze artificiali. Un esempio concreto è quello di Nvidia, che ha condiviso uno studio su metodi avanzati di addestramento per le cosiddette reti avversarie generative.
In termini semplici, ciò che ha fatto Nvidia è stata addestrare la rete generatrice e la rete discriminante in modo progressivo, cominciando con una bassa risoluzione e aggiungendo nuovi strati che forniscono dettagli molto più fini man mano che l'addestramento avanza. Il primo beneficio si traduce in maggiore velocità, ma ciò impallidisce di fronte alla qualità delle immagini ottenute. Nessuna delle persone che vedrete qui sotto è reale. Un occhio allenato potrà trovare diversi errori senza troppo sforzo, ma non dimentichiamo che questo è solo l'inizio.
La galleria
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
E per finire, il video ufficiale che mostra la capacità di transizione ed elaborazione della rete neurale. Come Nvidia, consigliamo di riprodurlo in 1080p60. È eccellente.
Accedi allo studio: http://research.nvidia.com/publication/2017-10_Progressive-Growing-of
