Nvidia's tag-Teaming AI's stellen zich de nacht voor als dag en huiskatten als tijgers

Categorie: Kunstmatige intelligentie Geplaatst 04 december

Een nieuwe richting in machine learning geeft computers de mogelijkheid om te dagdromen, en de resultaten zijn fascinerend en potentieel behoorlijk nuttig.

Een systeem ontwikkeld door onderzoekers van Nvidia in Santa Clara, Californië, kan naar een afbeelding van een zonnige weg kijken en zich in verbluffend detail voorstellen hoe het eruit zou zien als het regent, 's nachts of een sneeuwdag. Het kan zich ook voorstellen hoe een huiskat eruit zou zien als het een luipaard, een leeuw of een tijger was.

De software maakt gebruik van een populaire nieuwe benadering in AI waarmee computers kunnen leren zonder menselijke hulp. Het team gebruikte generatieve adversariële netwerken, of GAN's, neurale netwerken die samenwerken om de eigenschappen van een dataset te leren (zie Innovators Under 35: Ian Goodfellow).

In een GAN probeert het ene neuraal netwerk synthetische data te produceren, terwijl het andere probeert te bepalen of een voorbeeld uit de echte dataset komt of niet. Feedback van het tweede netwerk helpt de prestaties van het eerste te verbeteren. De truc van het Nvidia-team is om twee GAN's te gebruiken die zijn getraind op verschillende maar vergelijkbare gegevens, en om overeenkomsten of overlappingen tussen de twee getrainde modellen te gebruiken om nieuwe beelden te bedenken.

In het geval van straatbeelden, bijvoorbeeld, werd één GAN getraind om de eigenschappen van wegen te internaliseren, terwijl de andere werd getraind met behulp van beelden van nachtelijke, regenachtige of besneeuwde scènes. Door de twee netwerken met elkaar te verbinden, kan een computer zich voorstellen hoe een scène eruit zou zien in verschillende omstandigheden. Een soortgelijke truc werd uitgevoerd met huiskatten en grote katten (u kunt uitchecken de volledige video hier). De onderzoekers presenteren het werk op de Neurale informatieverwerkingssystemen conferentie in Long Beach, Californië, deze week. Hier is een papier (PDF) die het werk beschrijft.

Tot nu toe was machine learning meer gericht op herkenning, zegt Ming-Yu Liu , die samen met collega's aan het project hebben gewerkt Thomas Breuel en Jan Kautz . Maar mensen kunnen hun fantasie gebruiken. Als ik je in de zomer een foto geef, kun je je voorstellen hoe het zal zijn bedekt met sneeuw.

Liu zegt dat de technologie praktische toepassingen kan hebben bij het bewerken van afbeeldingen en video's en voor het toevoegen van realistische effecten aan afbeeldingen en video's die op sociale netwerken worden geplaatst. Stel je voor dat je een live video kunt posten waarin je bijvoorbeeld in een zeer realistische kunstmatige setting wordt getoond, of dat je gezicht overtuigend verandert in dat van een andere persoon of een dier.

De aanpak kan ook nuttig zijn voor het trainen van zelfrijdende systemen om meer scenario's te herkennen zonder een belachelijke hoeveelheid real-world gegevens te hoeven verzamelen. In Californië hebben we niet veel sneeuw, maar we willen dat onze zelfrijdende auto het goed doet in de sneeuw, zegt Liu.