Mae'n efelychydd gyrru syml ond gallai fod yn ddechrau chwyldro mewn graffeg gemau fideo.
Mae'r ffyniant presennol mewn deallusrwydd artiffisial wedi cynhyrchu canlyniadau rhyfeddol mewn parth eithaf syfrdanol: maes creu lluniau a ffilmiau. Cyflwynwyd yr enghraifft ddiweddaraf gan y dylunydd sglodion Nvidia, a gyhoeddodd heddiw ymchwil ar ddangos sut y gellir defnyddio delweddau a gynhyrchir gan AI gyda gêm fideo gonfensiynol. Y canlyniad yw system graffeg hybrid y gellid ei defnyddio un diwrnod mewn gemau fideo, ffilmiau a rhith-realiti .
Mae'n ddull newydd o wneud cynnwys fideo gan ddefnyddio dysgu dwfn. Yn amlwg mae Nvidia yn poeni llawer am gynhyrchu delweddau ac mae'r diwydiant gemau yn ystyried sut y bydd AI yn chwyldroi'r maes.
Nid yw canlyniadau gwaith Nvidia yn ffotorealistig ac maent yn datgelu'r aroglau gweledol nod masnach a welir mewn delweddau a gynhyrchir yn sylweddol gan AI. Nid ydyn nhw chwaith yn hollol newydd. Mewn papur ymchwil gan Nvidia, mae peirianwyr y cwmni'n disgrifio sut y gwnaethant adeiladu ar nifer o ddulliau presennol, megis system ffynhonnell agored ddylanwadol o'r enw pix2pix. Mae eu swyddogaethau'n defnyddio math o rwydwaith niwral a elwir yn system gymdeithasol gynhyrchiol neu hyd yn oed GAN. Defnyddir y rhain yn helaeth wrth gynhyrchu delweddau AI, gan gynnwys ar gyfer cyflwyno portread AI a werthwyd yn ddiweddar gan Christie's.
Fodd bynnag, mae Nvidia wedi cyflwyno sawl dyfais, ac un cynnyrch o'r gwaith, meddai, yw'r cyflwyniad gêm fideo cyntaf erioed gyda graffeg a gynhyrchir gan AI. Mae'n efelychiad gyrru hawdd lle mae chwaraewyr yn pori cwpl o flociau dinas o ofod a gynhyrchir gan AI ond na allant adael eu cerbyd na rhyngweithio â'r byd y tu allan. Mae'r demo wedi'i bweru gyda dim ond un GPU - cyflawniad rhyfeddol ar gyfer gwaith mor arloesol. (Er rhaid cyfaddef mai GPU yw brig y cwmni i gyrraedd $ 3,000 Titan V, "y GPU PC mwyaf effeithiol a grëwyd erioed" ac un a ddefnyddir yn gyffredinol ar gyfer prosesu efelychiad datblygedig yn hytrach na hapchwarae.)
Mae system Nvidia yn creu graffeg gan ddefnyddio ychydig o gamau. Yn gyntaf, mae'n rhaid i ymchwilwyr gasglu data hyfforddi, a gafodd ei dynnu yn yr achos hwn o setiau data ffynhonnell agored a ddefnyddiwyd ar gyfer ymchwil gyrru ymreolaethol. Yna caiff y ffilm hon ei rhannu, sy'n golygu bod pob ffrâm wedi'i rhannu'n ddosbarthiadau amrywiol: awyr, coed, ceir, ffordd, adeiladau, ac ati. Yna caiff rhwydwaith gwrthwynebus cynhyrchiol ei hyfforddi gyda'r data penodol hwn i gynhyrchu amrywiadau newydd o'r eitemau hyn.
Yna, gwnaeth peirianwyr dopoleg sylfaenol yr amgylchedd digidol gan gyflogi injan gêm draddodiadol. Mewn achosion fel hyn y system oedd Unreal Engine 4, yna hoff injan a ddefnyddiwyd ar gyfer teitlau fel Fortnite, PUBG, Gears of War 4, a sawl un arall. Gan ddefnyddio'r amgylchedd hwn fel fframwaith, mae algorithmau dysgu dwfn wedi hynny yn creu'r graffeg ar gyfer pob dosbarth gwahanol o beth mewn amser gwirioneddol, gan eu gludo i fodelau'r injan gêm.
"Mae trefniant y byd wedi'i wneud yn draddodiadol," yn egluro is-lywydd Nvidia ar ddysgu dwfn cyflogedig, Bryan Catanzaro, "yr unig beth y mae'r AI yn ei gynhyrchu yw'r delweddau." Ychwanegodd fod yr arddangosiad ei hun yn sylfaenol, ac fe'i lluniwyd gan un peiriannydd. "Mae'n brawf-gysyniad yn lle gêm sy'n hwyl i'w chwarae".
I wneud y rhaglen hon roedd angen i beirianwyr Nvidia weithio ar lawer o heriau, a'r mwyaf ohonynt oedd sefydlogrwydd gwrthrych. Y broblem yw os yw'r cyfrifiadau dysgu dwfn yn cynhyrchu'r graffeg ar gyfer y byd ar gyflymder o 25 ffrâm yr eiliad, sut maen nhw'n cynnal pethau sy'n edrych yr un peth? Dywed Catanzaro fod yr anhawster hwn yn golygu bod canlyniad cychwynnol y peiriant yn " boenus i wirio ynddo " wrth i liwiau a gweadau "newid pob ffrâm."
Yr ateb oedd rhoi cof dros dro i'r peiriant, felly byddai'n cymharu pob ffrâm newydd â'r hyn sydd wedi mynd o'r blaen. Mae'n ceisio rhagweld pethau fel symud o fewn y lluniau hyn ac yn cynhyrchu fframiau newydd sy'n gyson â'r hyn sydd ar y sgrin. Mae'r holl gyfrifiant hwn yn ddrud serch hynny, ac felly dim ond ar 25 ffrâm y funud y mae'r gêm yn rhedeg.
Mae'r technolegau yn y camau cynnar i raddau helaeth, yn pwysleisio Catanzaro, ac mae'n debyg y bydd yn ddegawdau cyn i graffeg a gynhyrchir gan AI ymddangos yn enwau defnyddwyr. Mae'n cymharu'r sefyllfa â datblygiad olrhain trawst, y dechneg boeth bresennol mewn gwneud delweddau lle mae trawstiau unigol o olau yn cael eu cynhyrchu ar unwaith i gynhyrchu adlewyrchiadau realistig, cysgodion ac didwylledd mewn amgylcheddau digidol. "Digwyddodd yr arddangosiad olrhain pelydr rhyngweithiol cyntaf un amser maith o'r blaen, ond ni wnaethom ei gael mewn sypiau tan ddim ond ychydig wythnosau yn ôl," meddai.
Fodd bynnag, mae gan y gwaith gymwysiadau posibl mewn gwahanol ranbarthau ymchwil, gan gynnwys roboteg a cheir hunan-yrru, lle gellir ei ddefnyddio i gynhyrchu amgylchedd hyfforddi. A gall ymddangos mewn nwyddau defnyddwyr yn gynharach er ei fod ar allu mwy cyfyngedig.
Er enghraifft, gellid defnyddio'r dechnoleg hon mewn system lluniau hybrid, lle mae'r mwyafrif o gêm yn cael ei gadael gan ddefnyddio dulliau traddodiadol, fodd bynnag, defnyddir AI i greu tebygrwydd unigolion neu wrthrychau. Gallai defnyddwyr ddal lluniau eu hunain gan ddefnyddio ffonau smart, yna lanlwytho'r wybodaeth hon i'r cwmwl lle byddai cyfrifiadau'n dysgu ei chopïo ac yna ei mewnosod mewn matsis. Gallai ei gwneud hi'n llawer haws creu afatarau sy'n edrych fel gamers, er enghraifft.
Fodd bynnag, mae'r math hwn o dechnoleg yn codi rhai cwestiynau amlwg. Yn ddiweddar mae arbenigwyr wedi poeni fwyfwy am y defnydd o ddyfroedd dwfn a gynhyrchir gan AI fel dadffurfiad a phropaganda. Mae ymchwilwyr wedi dangos ei bod yn hawdd creu lluniau ffug o wleidyddion ac enwogion yn gwneud neu'n dweud pethau na wnaethant, arf nerthol yn y dwylo anghywir. Trwy wthio galluoedd y dechnoleg yn ei blaen a chyhoeddi ei hastudiaeth, gellir dadlau bod Nvidia yn cyfrannu at y broblem bosibl hon…
Dywed y sefydliad, serch hynny, fod hwn yn fater newydd. "Defnyddir Mai [y dechnoleg hon] ar gyfer cynhyrchu cynnwys sy'n gamarweiniol? Ydw. Gellir defnyddio unrhyw dechnoleg ar gyfer rendro i wneud hynny, " meddai Catanzaro. Dywed fod Nvidia yn gweithio gyda phartneriaid i ymchwilio i ddulliau ar gyfer canfod ffugiau AI, ond yn y pen draw mae problem camwybodaeth yn "broblem ymddiriedaeth" Ac, fel y mwyafrif o faterion ymddiriedaeth o'i blaen, bydd angen ei datrys gan ddefnyddio amrywiaeth o brosesau, nid dim ond technolegol ..
Dywed Catanzaro na all cwmnïau technoleg fel Nvidia gymryd cymaint o gyfrifoldeb yn unig. "Allwch chi ddal y cwmni pŵer yn atebol oherwydd iddyn nhw wneud y trydan sy'n pweru'r cyfrifiadur sy'n cynhyrchu'r fideo ffug?" Mae'n gofyn.
Ac yn y pen draw, i Nvidia, mae gan wthio ymlaen â delweddau a gynhyrchir gan AI fantais amlwg: mae'n helpu i hyrwyddo mwy o galedwedd eu sefydliad. Ers i'r ffyniant dysgu dwfn gychwyn yn gynnar yn y 2010au, mae pris stoc Nvidia wedi cynyddu wrth iddi ddod yn amlwg bod ei sglodion cyfrifiadurol yn ddelfrydol ar gyfer ymchwil a hyrwyddo dysgu peiriannau.
Felly a allai chwyldro AI mewn graffeg gyfrifiadurol fod yn dda i enillion y sefydliad? Yn sicr ni fyddai’n brifo, mae Catanzaro yn chwerthin. "Mae unrhyw beth sy'n cynyddu ein gallu i greu delweddau sy'n fwy realistig a chymhellol rwy'n credu yn wych i linell waelod Nvidia."
Cyfeirnod : The Verge