Naująjį algoritmą Maskvoje sukūrė „Samsung“ dirbtinio intelekto (DI) centras ir Skolkovo mokslo ir technologijų Institutas. Geriausiai ši sistema veikia, kai nuotrauka perfotografuojama keliais rakursais – bet rezultatai neblogi ir tada, kai pradiniu šaltiniu tėra vienas vaizdas.
Ir nors ši technologija siūlo daug puikių galimybių – pavyzdžiui, pakankamai detaliai perkelti vartotoją į virtualiąją realybę – vis dėlto daug nerimo kelia ir tai, kad ji galia būti panaudota ir melagingos vaizdo medžiagos kūrimui.
Sukurta skaitmeniniam pasauliui
„Šis techninis sprendimas kuria galimybes teletransliacijoms (tame tarpe ir videokonferencijoms), daugelio žaidėjų žaidimams (angl. multiplayer games, red. past.), o taip pat specialiųjų efektų industrijai“, – teigia technologijos kūrėjai.
Sistema veikia išmokdama atpažinti esminius veido taškus, kuriais vėliau galima manipuliuoti, rašo „Science Alert“. Didelę mokymosi proceso dalį sudarė viešai prieinama paveikslėlių duomenų bazė „VoxCeleb“ su 7000 įžymybių nuotraukų, taip pat – daug vaizdo įrašų, kuriuose žmonės kalba į vaizdo kamerą.
Sistema naudoja konvoliucinį neuroninį tinklą – neuroninio tinklo tipą, pagrįstą biologiniais procesais gyvūnų regos žievėje. Ji ypač gerai apdirba paveikslėlius ir atpažįsta, kas juose pavaizduota – „konvoliucija“ iš esmės atpažįsta ir išryškina atvaizdų dalis,ji taip pat naudojama vaizdų paieškose internete ir savavaldžių automobilių technologijose.
Kaip ir kituose jau matytuose įrankiuose, kurių pagrindu yra DI, paskutinis proceso etapas tikrina „tobulą realizmą“, t.y. visi kadrai, kurie atrodo pernelyg keistai arba nenatūraliai, iškerpami ir perkuriami, galutinį vaizdo įrašą padarant kokybiškesniu.
Atietyje bus dar įspūdingiau
Ši technika dirbtinai sukurtose „kalbančiose galvose“ sugeba įveikti dvi dideles problemas: sukurti sudėtingus vaizdus (su burnomis, plaukais, akimis ir t.t.) ir apeiti mūsų greitą netikrų vaizdų atpažinimą (pavyzdžiui, įtikinamų veidų sukūrimas žaidimų dizaineriams yra viena sunkiausių užduočių).
Na ir žinoma, ši sistema – ir kitos panašios – neišvengiamai tobulės, nes tobulėja tiek algoritmai, tiek efektyvesniais tampa mokymosi modeliai. Tačiau tai reiškia ir tai, kad vis dažniau bus ir neaišku, ar tai, ką matome ir girdime kompiuteriniame pasaulyje, yra tikra, o ne sukurta kompiuteriu.
Šviesioji šios technologijos pusė – jūsų mėgstamiausios filmų ir TV žvaigždės niekada nebepasens ir nemirs: netrukus tokio tipo DI bus pakankamai išmanus, kad galėtų pateikti visiškai realistiškus vaizdus vien iš kelių kadrų – ir dar per rekordiškai trumpą laiką.
Tiesiog prisiminkite, kad šiais laikais pasakymas „tikiu tik tuo, ką matau“ jau po truputį praranda svorį.
Visas šis tyrimas skelbiamas mokslinių straipsnių duomenų bazėje arXiv.
