Ova osoba ne postoji je najbolja jednokratna web stranica 2019. godine

Na prvi pogled, slike prikazane na web-stranici Ova osoba ne postoji može izgledati kao slučajni portreti u srednjoj školi ili neodređeni LinkedIn headshotovi. Ali svaka pojedina fotografija na web-lokaciji stvorena je korištenjem posebnog tipa algoritma umjetne inteligencije nazvanih generativne kontradiktorne mreže (GAN).

Svaki put kad se stranica osvježi, pojavljuje se šokantno realistična, ali potpuno lažna slika lica osobe. Bivši softverski inženjer Phillip Wang stvorio je stranicu kako bi demonstrirao za što su sposobni GAN-ovi, a zatim ju je u utorak objavio u javnoj Facebook grupi "Artificial Intelligence & Deep Learning".

Vidi također: Ova osoba ne postoji Stvoritelj objašnjava zašto je napravio stranicu

Temeljni kod koji je to omogućio, pod nazivom StyleGAN, napisao je Nvidia i objavljen u radu koji još nije pregledan. Ovaj točan tip neuronske mreže ima potencijal da revolucionira tehnologiju videoigara i 3D modeliranja, ali, kao i gotovo svaka vrsta tehnologije, može se koristiti i za zlokobnije svrhe. Deepfakes, ili računalno generirane slike koje se nadovezuju na postojeće slike ili videozapise, mogu se koristiti za guranje lažnih priča o vijestima ili drugim hoaxima. Upravo je zato Wang odlučio stvoriti očaravajuću, ali i hladnu web-lokaciju.

"Odlučio sam kopati u vlastite džepove i podići određenu javnu svijest o ovoj tehnologiji", napisao je na svom mjestu. "Lica su najistaknutija za našu spoznaju, pa sam odlučio staviti taj specifični model. Svaki put kada osvježite web-lokaciju, mreža će generirati novu sliku lica od nule iz 512 dimenzionalnog vektora."

Kako funkcioniraju GAN-ovi?

Koncept GAN-ova prvi put je 2014. godine uveo ugledni računalni znanstvenik Ian Goodfellow, a od tada je Nvidia na čelu tehnologije. Tero Karras, glavni istraživač tvrtke, vodio je više GAN studija.

U svojoj osnovi, GAN-ovi se sastoje od dvije mreže: generatora i diskriminatora. Ovi računalni programi međusobno se natječu milijune puta milijune puta kako bi poboljšali svoje vještine generiranja imidža sve dok nisu dovoljno dobri da stvore punopravne slike.

Istraživači nisu mogli stvoriti visokokvalitetne, 1024x1024 slike koristeći ovu metodu do relativno nedavno - krajem 2017. - kada je Nvidia razbila kôd koristeći tehniku ​​opisanu u poznatom ProGAN papiru. StyleGAN temelji se na ovom konceptu, dajući istraživačima veću kontrolu nad određenim vizualnim značajkama.

Zašto je Nvidia tako dobra u GAN-ovima?

Nvidijina prva tvrtka bavi se dizajniranjem i prodajom grafičkih procesorskih jedinica (GPU-ova ili grafičkih kartica. GPU-ovi su motori za strojno učenje koji se koriste za treniranje algoritama, kao što je StyleGAN, satima na kraju. masivni redovi i stupci brojeva, što je vrsta onoga što se događa ispod haube kada se AI obučava.

Tvrtka ima prednost što ima pristup svojim najsuvremenijim GPU-ovima, dajući svojim istraživačima dodatnu prednost najsuvremenijeg resursa za obuku neuronskih mreža.

Budućnost GAN-ova

Nvidia, Facebook, Google i mnoge druge tehnološke tvrtke imaju eskadrile istraživača koji razvijaju verzije ovog A.I. tehnika. Krajnji cilj je upotrijebiti ga za generiranje potpuno djelotvornih virtualnih svjetova, potencijalno u VR, pomoću automatiziranih metoda umjesto tvrdog kodiranja. No, u međuvremenu, GAN-ovi se već koriste za razvoj novog tržišta za virtualne subjekte društvenih medija.

Bezbroj kompjutorski generiranih likova koji oglašavaju modne marke i tvrtke za životni stil već su nakupili milijune sljedbenika preko interneta. Tvrtke rizičnog kapitala uložile su milijune u taj koncept, a GAN-ovi bi mogli poslužiti da se ti 3D modeli učine realnijim uz manje rada.

Do tada, moći ćete nas povremeno osvježavati. Ta osoba ne postoji, zureći u zaborav svojih lažnih lica. To je uzbudljiv, a opet zastrašujući primjer koliko realni izgledaju lažni svjetovi budućnosti.