All'interno del mondo dell'IA che forgia bellissime opere d'arte e terrificanti deepfake

Nvidia





Nelle ultime tre settimane, abbiamo stabilito le basi dell'IA. Per ricapitolare:

  • La maggior parte dei progressi e delle applicazioni dell'IA si basano su un tipo di algoritmo noto come apprendimento automatico che trova e riapplica i modelli nei dati.
  • Il deep learning, un potente sottoinsieme dell'apprendimento automatico, utilizza le reti neurali per trovare e amplificare anche i modelli più piccoli.
  • Le reti neurali sono strati di semplici nodi computazionali che lavorano insieme per analizzare i dati, un po' come i neuroni nel cervello umano.

Ora arriviamo alla parte divertente. L'uso di una rete neurale è davvero ottimo per i modelli di apprendimento; usarne due è davvero ottimo per crearli. Benvenuti nel magico e terrificante mondo delle reti generative contraddittorio, o GAN.

I GAN stanno vivendo un momento culturale. Sono responsabili del primo pezzo di grafica generata dall'intelligenza artificiale venduto da Christie's , così come la categoria di immagini digitali false note come deepfake .



Il loro segreto sta nel modo in cui due reti neurali lavorano insieme, o meglio, l'una contro l'altra. Inizi alimentando entrambe le reti neurali con un sacco di dati di addestramento e assegna a ciascuna un'attività separata. La prima rete, nota come generatore, deve produrre output artificiali, come scrittura a mano, video o voci, osservando gli esempi di addestramento e cercando di imitarli. Il secondo, noto come discriminatore, determina quindi se gli output sono reali confrontandoli ciascuno con gli stessi esempi di addestramento.

Storia correlata

Storia correlata Mettendo le reti neurali l'una contro l'altra, Ian Goodfellow ha creato un potente strumento di intelligenza artificiale. Ora lui e il resto di noi devono affrontare le conseguenze.

Ogni volta che il discriminatore rifiuta con successo l'uscita del generatore, il generatore torna indietro per riprovare. Per prendere in prestito una metafora dal mio collega Martin Giles, il processo imita l'andirivieni tra un falsario di immagini e un detective dell'arte che cercano ripetutamente di ingannarsi a vicenda. Alla fine, il discriminatore non può distinguere tra l'output e gli esempi di addestramento. In altre parole, il mimetismo è indistinguibile dalla realtà.

Puoi capire perché un mondo con GAN è uguale a bello e brutto. Da un lato, la capacità di sintetizzare media e imitare altri modelli di dati può essere utile nel fotoritocco, nell'animazione e medicinale (ad esempio per migliorare la qualità delle immagini mediche e per superare la scarsità dei dati dei pazienti). Ci porta anche creazioni gioiose come questa:



E questo:

D'altra parte, i GAN possono essere utilizzati anche in modi eticamente discutibili e pericolosi: a sovrapponi i volti delle celebrità sui corpi delle pornostar , per far dire a Barack Obama quello che vuoi, o per falsificare l'impronta digitale di qualcuno e altri dati biometrici, un'abilità dei ricercatori della New York University e dello Stato del Michigan di recente mostrato in un carta .



Fortunatamente, i GAN hanno ancora limitazioni che mettono in atto alcuni guard rail. Hanno bisogno di un bel po' di potenza di calcolo e di dati con ambito ristretto per produrre qualcosa di veramente credibile. Per produrre un'immagine realistica di una rana, ad esempio, un tale sistema necessita di centinaia di immagini di rane di una specie particolare, preferibilmente rivolte in una direzione simile. Senza quelle specifiche, ne ottieni davvero alcune risultati stravaganti , come questa creatura dei tuoi incubi più oscuri:

(Dovresti ringraziarmi per non averti mostrato i ragni.)



Ma gli esperti temono che abbiamo visto solo la punta dell'iceberg. Man mano che gli algoritmi diventano sempre più raffinati, i video glitch e gli animali di Picasso diventeranno un ricordo del passato. Come mi ha detto una volta Hany Farid, un esperto di medicina legale delle immagini digitali, siamo poco preparati a risolvere questo problema.

Questo è apparso originariamente nella nostra newsletter AI The Algorithm. Per riceverlo direttamente nella tua casella di posta, iscriviti qui gratuitamente.

nascondere