Website öffnen thispersondoesnotexist und Sie werden einen Kopfschuss eines Fremden finden. Auf den ersten Blick sieht es so aus, als hätte jemand die HR-Aufzeichnungen von der Arbeit erhalten und sie auf eine Website geklebt. Durch das Aktualisieren der Website wird ein anderes Gesicht einer Person regeneriert, die Sie vielleicht kennen.
Außer Sie tun es nicht und niemand tut es. Da jedes der Gesichter auf dieser Site völlig gefälscht ist und mithilfe eines speziellen Algorithmus für künstliche Intelligenz erstellt wurde, der als generative gegnerische Netzwerke bezeichnet wird GANs .
Aktualisieren Sie die Seite und der Algorithmus generiert ein hyperrealistisches, aber absolut falsches Bild einer Person. Die Seite wurde vom Uber-Softwareentwickler Philip Wang eingerichtet, um zu demonstrieren, wozu GANs in der Lage sind. Wang hat die Seite in der Facebook-Gruppe geteilt. “ Künstliche Intelligenz & Deep Learning ”.
Der Code, der diese gruselige Website ermöglicht hat, wurde von Nvidia geschrieben und in einem Artikel vorgestellt, der vor dem Peer Review am verfügbar ist. arXiv Das als StyleGAN bezeichnete neuronale Netzwerk ist unendlich anwendbar für alles, vom Spielen bis zum Erstellen falscher Dokumente.
Wang beschrieb seine Motivation, die Seite in seiner zu teilen Facebook-Beitrag : „Ich habe beschlossen, in meine eigenen Taschen zu greifen und die Öffentlichkeit für diese Technologie zu sensibilisieren“, schrieb er in seinem Beitrag.
„Gesichter sind für unsere Wahrnehmung am wichtigsten, daher habe ich beschlossen, dieses spezielle vorab trainierte Modell zu erstellen. Jedes Mal, wenn Sie die Site aktualisieren, generiert das Netzwerk aus einem 512-dimensionalen Vektor ein neues Gesichtsbild von Grund auf neu.”
Wie es funktioniert
Alle GANs haben zwei Netzwerke : der Generator und der Diskriminator. Der Generator synthetisiert neue Samples von Grund auf neu, und der Diskriminator entnimmt Samples sowohl aus den Trainingsdaten als auch aus der Ausgabe des Generators und sagt voraus, ob sie "echt" oder "falsch" sind.
Der Generator empfängt einen Zufallsvektor Rauschen und daher ist seine anfängliche Ausgabe auch Rauschen.
Nachdem es Feedback vom Diskriminator erhalten hat, lernt es, „realistischere“ Bilder zu synthetisieren. Gleichzeitig lernt der Diskriminator auch, indem er generierte Samples mit realen Samples vergleicht, was es dem Generator erschwert, sie zu täuschen.
GAN wurde 2014 eingeführt, aber erst 2017, dass die Forscher konnten hochwertige Bilder im Format 1024 x 1024 erstellen, die im jetzt bekannten Format aufgeführt sind ProGAN Papier. StyleGAN baut auf dieser früheren Arbeit auf, ermöglicht Forschern jetzt jedoch mehr Kontrolle über bestimmte Funktionen.
GANs werden die virtuelle Zukunft gestalten
Letztendlich wird gehofft, dass diese GANs verwendet werden können, um vollständige virtuelle Welten mit automatisierten Methoden anstelle von Hardcodierung zu entwickeln. Sie haben auch die Möglichkeit, realistische 3D-Modelle für die Verwendung in Werbung und anderen Branding-Möglichkeiten zu erstellen, ähnlichzu Imma aber mit etwas mehr Tiefe.
Während das aufregend ist, können andere fürchten, dass die Technologie düsterer eingesetzt wird, z. B. um einen Beitrag zu leisten DeepFakes Computergenerierte Bilder, die vorhandenen Bildern oder Videos überlagert sind und zum Übermitteln gefälschter Nachrichten verwendet werden können. Einige Gedanken zum Nachdenken, während Sie diese Person ständig aktualisieren, sind nicht vorhanden.