Нейросети смогут воссоздавать объекты и процессы по изображению

22 мая 2020 - В случае с GameGAN компания NVIDIA обучила генеративную нейросеть с помощью 50 тыс. игровых сессий в Pac-Man. Затем перед ней поставили задачу — воссоздать увиденную игру целиком, начиная от статичных стен и точек и заканчивая двигающимися призраками и самим Пакманом. Обучение и воссоздание игры проводилось с использованием квартета графических ускорителей NVIDIA Quadro GP100. Как указано в блоге компании, одна нейросеть выступает в качестве агента (игрока), GameGAN в свою очередь реагирует на действия первой нейронной сети и покадрово создаёт новое игровое окружение в реальном времени. Более того, на основе изображений из игр с многоуровневой структурой GameGAN способна генерировать новые игровые уровни, которые она никогда не видела раньше. В перспективе подобный метод также сможет ускорить подготовку автоматизированных машин. Использующиеся на тех же складах и сборочных линиях роботы могут представлять опасность для работающих там людей. Поэтому перед запуском в работу эти машины проходят виртуальную подготовку с применением различных сценариев, что в итоге минимизирует возможные риски. Проблема в том, что разработка всех этих обучающих сценариев отнимает большое количество ресурсов и времени. Вполне возможно, что однажды будет создана модель глубокого машинного обучения, с помощью которой можно будет предсказывать те или иные последствия в различных сценариях. Но пока этого нет. «В конечном итоге мы создадим ИИ, который сможет имитировать правила вождения или законы физики, просто наблюдая за тем, как действуют агенты в этих средах. GameGAN — первый шаг к этому», — добавил Санья Фидлер (Sanja Fidler), директор исследовательской лаборатории NVIDIA в Торонто.

0 комментариев
Войдите, чтобы оставить комментарий. Простая в два клика.
Пока никто не оставил комментариев к этой статье. Вы можете стать первым!