За последнее время синтезированные изображения и видео все чаще используют для обучения искусственного интеллекта, вместо того, чтобы тратить деньги и время на подбор реальных фотографий. Однако, помимо преимуществ, такой подход несет в себе риск — незначительный дефект в учебном материале может привести к серьезным сбоям в конечном продукте. Другими словами, сложно гарантировать, что синтезированные изображения соответствуют стандартам качества настоящих.
Apple предлагает использовать generative adversarial nets (GANs) для улучшения качества синтезированных обучающих изображений. GANs — не новая технология, но Apple внесла в нее заметные улучшения.
Принцип работы GANs основан на соперничестве двух нейронных сетей. В случае Apple, симулятор генерирует синтезированные изображения, которые пропускаются через отладчик. Эти улучшенные изображения отправляются в дискриминатор, который отвечает за различение реальных изображений и синтезированных. С точки зрения теории игр, сети соревнуются в минимаксной игре, цель которой — минимизировать максимально возможные потери.
Также исследователи провели ряд тонких настроек, например, заставили модели использовать полную историю улучшенных изображений, а не только ее малую часть, чтобы нейронная сеть могла идентифицировать все синтезированные изображения как ненастоящие в любой отрезок времени, пишет TechCrunch. Подробнее ознакомиться со статьей исследователей Apple можно по ссылке.
Илон Маск реализовал первый мастер-план Tesla
Кейсы
Google, Facebook, Microsoft и другие лидеры ИТ-индустрии постоянно развивают свои исследовательские команды и публикуют сотни статей, иллюстрирующих их достижения. Apple же всегда вела себя скрытно, и все свои наработки держала при себе. Такое положение дел начало меняться в начале декабря, когда директор компании по исследованиям ИИ Руслан Салахутдинов объявил, что Apple скоро начнет публиковать научные результаты.