讓電腦想象假如一個陽光亮媚的街道鄙人雨、下雪、乃至是黝黑一片會是甚么模樣。

　　據The Verge 新聞，美國盤算機圖形硬件廠商英偉達近日宣布了一組比較視頻。這個視頻原版是加州公路在陽光亮媚的氣象中路況，但經由AI處置后，視頻中途徑兩旁鋪滿了雪，一些樹木也只剩下光溜溜的樹干。

　　除轉變氣象，英偉達的圖象技巧還能從淡薄的空氣中生造出人的抽象，把日間釀成黑夜等。

　　英偉達方面表現，這項圖象技巧開端是為供給多種模仿情況來練習主動駕駛汽車的。加州氣象以好天占多數，優越的能見度很合適主動駕駛汽車行駛，但當它碰到一點雨或雪時會產生甚么呢？

　　人們可以比及雷雨天賦出去練習駕駛汽車，但很難從好天比及下雪天（或許說從炎天比及冬季）。對此，英偉達提出了這項處理計劃，讓電腦想象假如一個陽光亮媚的街道鄙人雨、下雪、乃至是黝黑一片會是甚么模樣。

　　這個計劃是基于一種叫GAN（生成的反抗性收集）的人工智能技巧，它經常使用于生成可視化數據。GAN的任務道理是將兩個自力的神經收集聯合起來——一個是制作數據模子（G），另外一個是斷定數據模子（D）。

　　以制作一張高仿真的貓圖片為例。生成數據模子 G 的目的就是盡可能生成真切的圖片去誘騙斷定數據模子D。GAN普通的任務邏輯是給 G 一系列貓的圖片，來練習它生成一張全新的真切的貓圖，爾后 D 擔任把 G狀況下，G 可以生成足以“以假亂真”的圖片，如許，我們的目標也就殺青了。 生成的圖片和真實的圖片分離開來，如許，G 和 D 就組成了一個輪回的“博弈”。最初博弈的成果是甚么？在最幻想的狀況下，G 可以生成足以“以假亂真”的圖片，如許人們的目標就殺青了。

　　值得留意的是，英偉達的這項研討絕對于現有的 GAN 有一個優勢：它能更好地停止無監視進修。普通來講，人們須要標志數據集來生成數據（即 D）。英偉達的研討員 Ming-Yu Liu 說明道，這意味著，假如你要制造一個把日間的場景釀成夜晚場景的 GAN，那末你就須要在統一地位分離拍攝足夠多的照片。爾后，G 才能夠研討二者的差別來生成新的圖片。

　　但英偉達在沒有標志數據集的情形下也可以或許發生相似成果，詳細完成方法英偉達未泄漏。

　　這項技巧既可用于主動駕駛汽車，但英偉達信任它還可以有更多的運用場景。“好比圖象編纂等” ，Ming-Yu Liu 說，“我們正在為我們的產物團隊和客戶供給這項技巧”。

　　但這項 AI 生造技巧也激發了人們對AI被用來制作虛偽圖象的擔心，《連線》雜志的 Oli Franklin-Wallis 說：人工智能最年夜的受益者也許不是掉去任務的人，而是一切人對本身所看到或聽到的任何工作很難再完全信賴。