Vi matas med en riklig mängd information om artificiell intelligens och de nät den kan väva för att leverera falska nyheter. Lämna lite utrymme för fler nyheter, denna gång för NVIDIAs bragd att leverera falska bilder. Vänta, vi ser foton av en man och en kvinna och de ser båda helt äkta ut – men de är datorgenererade.

Vad händer? Ett team från NVIDIA har visat att de kan härma utseendet på riktiga foton – bättre än du kan föreställa dig – med en ny generator. Paul Lilly in Het hårdvara :tro inte bara på allt du läser utan tro nu inte på allt du ser.

Deras metod kräver inte mänsklig övervakning. Om du kommer in i "hjärnan" av deras koncept, generatorn behandlar inte en bild som en bild utan snarare som en samling stilar. Grov. Mitten. Bra.

I korthet, det är lättare än tidigare att skapa trovärdiga falska bilder. Teknikbevakare tittar på Thispersondoesnotexist.com som använder kod som tidigare släppts av Nvidia-forskare på GitHub. Denna webbplats genererar nya ansiktsbilder direkt.

Varje gång du laddar sidan på webbplatsen, en algoritm genererar ett nytt mänskligt ansikte från grunden. "Webbplatsen skapades av Phillip Wang, " rapporterad SlashGear , "som använde NVIDIAs generativa motståndsnätverk, StyleGAN, att klara det. Det är en ganska enkel webbplats vad gäller design, eftersom det bara visar en enda bild av ett mänskligt ansikte när du besöker det."

Ganska simpelt, verkligen. Om du går till sidan thispersondoesnotexist.com ser du en kvinnas ansikte, till exempel, klicka på uppdatera, bingo, ett helt annat ansikte, från vuxen man, till vuxen kvinna, till kvinnligt barn, till kvinnlig tonåring, på och på. Det är allt. Ingen text. Inga annonser. Vad handlar allt det här om? Och ännu viktigare, varför pratar teknikbevakare om det?

Om du tittar på webbplatsen denna person existerar inte, Lilly förklarade vad du kan förvänta dig om du klickar på hemsidan; den kommer att generera "en ny ansiktsbild från början från en 512 dimensionell vektor varje gång du trycker på uppdateringsknappen i din webbläsare."

Så, vad är detta generativa motstridiga nätverk (GAN) som kallas StyleGAN det SlashGear nämnt?

Rani Horev, LyrnAI , hade en användbar förklaring i samband med bilder:"Deras mål är att syntetisera konstgjorda prover, som bilder, som inte går att skilja från autentiska bilder. Ett vanligt exempel på en GAN-applikation är att generera konstgjorda ansiktsbilder genom att lära sig från en datauppsättning av kändisansikten."

Alla vägar leder till ett papper på arXiv, författad av NVIDIA-forskarna, Tero Karras, Samuli Laine och Timo Aila. Tidningen heter, "En stilbaserad generatorarkitektur för generativa kontradiktoriska nätverk." De diskuterade en "ny arkitektur" för GAN, en som leder till ett "automatiskt inlärt, oövervakad separation av högnivåattribut."

Forskarna vid NVIDIA släppte StyleGAN på github.com/NVlabs/stylegan, enligt ett Facebook-inlägg tidigare denna månad.

CNETs Jackson Ryan sa, "Det neurala nätverket är tillräckligt mångsidigt för att det inte bara är ansikten som det kan trolla fram, men sovrum, bilar och till och med katter."

Synkroniserad talade om denna mångsidighet. "Forskare såg imponerande resultat med den nya generatorn för att skapa bilder av sovrum, bilar, och katter med datauppsättningen Large-scale Scene Understanding (LSUN)."

Jesus Diaz in Snabbt företag , med hjälp av ett exempel på casts, erbjöd en användbar ögonblicksbild av StyleGAN som ett generativt motståndsnätverk. "Den består av två algoritmer:Den första genererar katter baserat på sin träning på tusentals kattbilder, medan den andra utvärderar de syntetiska bilderna och jämför dem med de riktiga bilderna. Sedan, den andra AI ger feedback till den första om sitt arbete – tills den äntligen lyckas skapa konsekvent trovärdiga porträtt."

Diaz noterade att tidningens författare sa att en kombination av teknologier användes för att "eliminera brus som är irrelevant för det nya syntetiska ansiktet - till exempel, urskilja en båge på en katts huvud och kasta den som överflödig."

Jessica Miley in Intressant teknik :"Så småningom, Dessa GAN hoppas kunna användas för att utveckla fullständiga virtuella världar med hjälp av automatiserade metoder istället för hårdkodning."

© 2019 Science X Network