단순한 운전 시뮬레이터이지만 비디오 게임 그래픽의 혁명의 시작일 수 있습니다.
인공 지능 의 현재 붐은 다소 놀라운 영역 인 그림과 영화 제작 분야에서 놀라운 결과를 낳았습니다. 가장 최근의 예는 칩 디자이너 Nvidia가 제시했으며, 오늘은 AI로 생성 된 비주얼이 기존 비디오 게임에서 어떻게 사용될 수 있는지 보여주는 연구를 발표했습니다. 그 결과 언젠가 비디오 게임, 영화 및 가상 현실에 사용될 수있는 하이브리드 그래픽 시스템이 탄생했습니다.
딥 러닝을 활용하여 비디오 콘텐츠를 렌더링하는 새로운 접근 방식입니다. 분명히 Nvidia는 이미지 생성에 많은 관심을 갖고 있으며 게임 산업은 AI가이 분야를 어떻게 혁신 할 것인지 고려하고 있습니다.
Nvidia의 작업 결과는 사실적이지 않으며 실질적으로 AI 생성 이미지에서 볼 수있는 상표의 시각적 번짐을 드러냅니다. 그들은 또한 완전히 새로운 것이 아닙니다. Nvidia의 연구 논문에서이 회사의 엔지니어들은 pix2pix로 알려진 영향력있는 오픈 소스 시스템과 같은 현재의 여러 방법을 어떻게 구성했는지 설명합니다. 그들의 기능은 생성 적 소셜 시스템 또는 GAN으로 알려진 일종의 신경망을 배포합니다. 이들은 최근 Christie에서 판매하는 AI 초상화의 도입을 포함하여 AI 이미지 생성에 널리 사용됩니다.
그러나 Nvidia는 몇 가지 발명품을 도입했으며 작업의 한 제품은 AI 생성 그래픽을 사용한 최초의 비디오 게임 프레젠테이션이라고 말합니다. 플레이어가 AI가 생성 한 공간의 두 도시 블록을 탐색하지만 차량을 떠나거나 외부 세계와 상호 작용할 수없는 쉬운 운전 시뮬레이션입니다. 데모는 단 하나의 GPU로 구동되며 이러한 최첨단 작업에 대한 놀라운 성과입니다. (GPU는 회사의 최고 도달 범위 인 Titan V, "역대 가장 효과적인 PC GPU"이며 게임이 아닌 고급 시뮬레이션 처리에 일반적으로 사용되는 제품입니다.)
Nvidia의 시스템은 몇 가지 작업을 사용하여 그래픽을 만듭니다. 첫째, 연구원은 자율 주행 연구에 사용되는 오픈 소스 데이터 세트에서 제거 된 훈련 데이터를 수집해야합니다. 그런 다음이 영상이 분할됩니다. 즉, 각 프레임이 하늘, 나무, 자동차, 도로, 건물 등 다양한 클래스로 나뉩니다. 그런 다음 생성 적 적대 네트워크가이 특정 데이터로 훈련되어 이러한 항목의 새로운 변형을 생성합니다.
그런 다음 엔지니어는 전통적인 게임 엔진을 사용하여 디지털 환경의 기본 토폴로지를 만들었습니다. 이와 같은 경우 시스템은 Unreal Engine 4였으며 Fortnite, PUBG, Gears of War 4 등과 같은 타이틀에 사용되는 가장 좋아하는 엔진이었습니다. 이 환경을 프레임 워크로 사용하여 딥 러닝 알고리즘은 실제 시간에 각기 다른 클래스의 그래픽을 생성하여 게임 엔진의 모델에 붙입니다.
Nvidia의 고용 된 딥 러닝 부사장 인 Bryan Catanzaro는 "전통적으로 세계의 배열이 이루어졌습니다 . AI가 생성하는 유일한 것은 이미지입니다"라고 말합니다. 그는 데모 자체가 기본이며 한 명의 엔지니어가 구성했다고 덧붙입니다. "재미있는 게임이 아니라 개념 증명입니다."
이 프로그램을 만들기 위해 Nvidia의 엔지니어는 많은 문제를 해결해야했으며 그중 가장 큰 문제는 객체 영구성이었습니다. 문제는 딥 러닝 계산이 초당 25 프레임의 속도로 세계를위한 그래픽을 생성하는 경우 어떻게 동일하게 보이도록 유지합니까? Catanzaro는 이러한 어려움이 "매 프레임마다 색상과 질감이 바뀌었기 때문에"기계의 초기 결과가 "확인 하기가 힘들었다"는 것을 의미한다고 말합니다.
해결책은 시스템에 임시 메모리를 제공하여 각각의 새 프레임을 이전에 있었던 것과 비교하는 것이 었습니다. 이 사진 내에서 움직임과 같은 것을 예측하려고 시도하고 화면에있는 것과 일치하는 새로운 프레임을 생성합니다. 이 모든 계산은 비용이 많이 들기 때문에 게임은 분당 25 프레임으로 만 실행됩니다.
이 기술은 초기 단계에 있으며 Catanzaro는 강조하며 AI 생성 그래픽이 소비자 이름에 나타나기까지는 아마도 수십 년이 걸릴 것입니다. 그는 상황을 빔 추적의 개발과 비교합니다. 즉, 디지털 환경에서 개별 광선을 즉시 생성하여 사실적인 반사, 그림자 및 불투명도를 생성하는 이미지 제작의 현재 핫 기술입니다. "최초의 인터랙티브 레이 트레이싱 시연은 오래 전에 일어 났지만 몇 주 전까지 만해도 일괄 처리가 이루어지지 않았습니다 ."라고 그는 말합니다.
이 작업은 로봇 공학과 자율 주행 자동차를 포함하여 다양한 연구 영역에서 가능한 응용 프로그램을 가지고 있으며, 여기에서 훈련 환경을 생성하는 데 사용할 수 있습니다. 더 제한적인 기능이기는하지만 소비재에 더 일찍 나타날 수 있습니다.
예를 들어,이 기술은 게임의 대부분이 전통적인 방법을 사용하는 하이브리드 사진 시스템에서 활용 될 수 있지만 AI는 개인이나 사물의 유사성을 만드는 데 활용됩니다. 소비자는 스마트 폰을 사용하여 영상을 직접 캡처 한 다음 계산이이를 복사하는 방법을 배우고 성냥에 삽입하는 클라우드에이 정보를 업로드 할 수 있습니다. 예를 들어 게이머처럼 보이는 아바타를 훨씬 쉽게 만들 수 있습니다.
그러나 이러한 종류의 기술은 몇 가지 분명한 질문을 제기합니다. 최근 전문가들은 허위 정보 및 선전과 같은 AI 생성 딥 페이크 사용에 대해 점점 더 우려하고 있습니다. 연구원들은 정치인과 유명인들이하지 않은 일을하거나 말하지 않은 것을 잘못된 손에 든 강력한 무기로 가짜 영상을 만드는 것이 쉽다는 것을 보여주었습니다. Nvidia는 기술의 능력을 향상시키고 연구를 발표함으로써이 가능한 문제에 기여하고 있습니다.
그러나 조직은 이것이 새로운 문제라고 말합니다. "[이 기술]은 오해의 소지가있는 콘텐츠를 제작하는 데 사용될 수 있습니까? 예. 렌더링을위한 모든 기술을 사용할 수 있습니다 ."라고 Catanzaro는 말합니다. 그는 Nvidia가 AI 가짜 탐지 방법을 연구하기 위해 파트너와 협력하고 있지만 궁극적으로 잘못된 정보의 문제는 "신뢰 문제" 이며 이전의 대부분의 신뢰 문제와 마찬가지로 단순한 프로세스가 아닌 일련의 프로세스를 사용하여 해결해야합니다. 기술 ..
Catanzaro는 Nvidia와 같은 기술 회사가 많은 책임을 져야한다고 말합니다. "가짜 비디오를 생성하는 컴퓨터에 전력을 공급하는 전력을 생산했기 때문에 전력 회사에 책임을 물을 수 있습니까?" 그는 묻는다.
그리고 궁극적으로 Nvidia에게 AI로 생성 된 이미지를 추진하면 조직의 하드웨어를 더 많이 홍보 할 수 있다는 분명한 이점이 있습니다. 2010 년대 초 딥 러닝 붐이 시작된 이래 Nvidia의 주가는 컴퓨터 칩이 머신 러닝 연구 및 발전에 이상적으로 적합하다는 것이 분명해지면서 급등했습니다.
그렇다면 컴퓨터 그래픽의 AI 혁명이 조직의 수익에 도움이 될 수 있을까요? 확실히 아프지 않을 것이라고 Catanzaro는 웃습니다. "더 현실적이고 설득력있는 이미지를 만드는 능력을 향상시키는 모든 것이 Nvidia의 수익에 큰 도움이된다고 생각합니다."
참고 : The Verge