Denne person eksisterer ikke, er den bedste engangswebsted i 2019

På et overblik kan billederne på hjemmesiden Denne person ikke eksisterer, synes at være tilfældige high school portrætter eller vaguelt uundgåelige LinkedIn headshots. Men hvert eneste billede på webstedet er blevet oprettet ved at bruge en særlig form for kunstig intelligensalgoritme kaldet generative adversarielle netværk (GAN).

Hver gang webstedet opdateres, vises et chokerende realistisk - men helt falsk-billede af en persons ansigt. Tidligere Uber software engineer Phillip Wang oprettet siden for at demonstrere, hvad GANs er i stand til, og derefter sendt den til den offentlige Facebook gruppe "Kunstig Intelligence & Deep Learning" på tirsdag.

Se også: Denne person eksisterer ikke, skaberen forklarer hvorfor han lavede webstedet

Den underliggende kode, der gjorde det muligt, med titlen StyleGAN, blev skrevet af Nvidia og fremhævet i et papir, der endnu ikke er peer-reviewed. Denne præcise type neuralt netværk har potentialet til at revolutionere videospil og 3D-modelleringsteknologi, men som med næsten enhver form for teknologi, kan den også bruges til mere uhyggelige formål. Deepfakes, eller computergenererede billeder overlejret på eksisterende billeder eller videoer, kan bruges til at skubbe falske nyhedsfortællinger eller andre hoaxes. Det var netop derfor, Wang valgte at skabe den fascinerende, men også chillende hjemmeside.

"Jeg har besluttet at grave i mine egne lommer og øge offentlighedens bevidsthed om denne teknologi," skrev han i sin post. "Faces er mest fremtrædende for vores erkendelse, så jeg har besluttet at sætte den specifikke præ-uddannede model op. Hver gang du opdaterer webstedet, genererer netværket et nyt ansigtsbillede fra bunden af ​​en 512-dimensionel vektor."

Hvordan virker GAN'er?

Begrebet GANs blev først introduceret i 2014 af den anerkendte computerforsker Ian Goodfellow, og siden da har Nvidia været i spidsen for teknologien. Tero Karras, en hovedforsker for virksomheden, har ledet flere GANs-studier.

GAN'erne udgør kernen i to netværk: generatoren og diskriminatoren. Disse computerprogrammer konkurrerer imod hinanden millioner på millioner af gange for at forfine deres billedgenererende færdigheder, indtil de er gode nok til at skabe de fyldige billeder.

Forskere kunne ikke oprette højkvalitets 1024x1024 billeder ved hjælp af denne metode indtil ret for nylig - sent 2017 - da Nvidia sprængte koden ved hjælp af en teknik beskrevet i sit berømte ProGAN-papir. StyleGAN bygger på dette koncept ved at give forskerne mere kontrol over specifikke visuelle egenskaber.

Hvorfor er Nvidia så god hos GANs?

Nvidias første forretningslinje er at designe og sælge grafikbehandlingsenheder (GPU'er eller grafikkort). GPU'er er motorer til maskinindlæring, der bruges til at uddanne algoritmer, som StyleGANs, i flere timer. Kort sagt er GPU'er gode til at multiplicere hurtigt massive rækker og kolonner af tal, hvilket er en slags hvad der sker under emhætten, når AI bliver uddannet.

Virksomheden har fordel for at have adgang til sine mest avancerede GPU'er, hvilket giver sine forskere den ekstra fordel af de mest banebrydende ressourcer til at udvikle neurale netværk.

Fremtiden for GANs

Nvidia, Facebook, Google og mange andre tech virksomheder har skvadroner af forskere, der udvikler versioner af denne A.I. teknik. Slutmålet er at bruge det til at generere fuldt udformede virtuelle verdener, muligvis i VR, ved hjælp af automatiserede metoder i stedet for hard kodning. Men i mellemtiden er GAN'er allerede ved at udvikle det spirende marked for virtuelle sociale medier influencers.

Et utal af computergenererede tegn, der reklamerer for modemærker og livsstilsfirmaer, har allerede samlet millioner af tilhængere på tværs af internettet. Venture kapitalfirmaer har investeret millioner i konceptet, og GAN'er kunne tjene til at gøre disse 3D-modeller mere realistiske med mindre arbejdskraft.

Indtil da vil du være i stand til at finde os periodisk forfriskende Denne person eksisterer ikke og ser med glemsel ind i øjnene af dets vildledende sjælfulde falske ansigter. Det er et spændende, men chillende eksempel på, hvor realistisk fremtidens falske verdener er ved at blive.