Diese Person existiert nicht, ist die beste einmalige Website von 2019

Auf einen Blick wirken die auf der Website This Person Does Not Exist vorgestellten Bilder wie zufällige Portraits der High School oder vage unpassende Kopfschüsse von LinkedIn. Jedes einzelne Foto auf der Website wurde jedoch mithilfe eines speziellen Algorithmus für künstliche Intelligenz erstellt, der als generative Adversarial Networks (GANs) bezeichnet wird.

Jedes Mal, wenn die Site aktualisiert wird, erscheint ein erschreckend realistisches - aber völlig falsches - Bild des Gesichts einer Person. Der ehemalige Softwareentwickler von Uber, Phillip Wang, erstellte die Seite, um zu zeigen, wozu GANs in der Lage sind, und stellte sie am Dienstag der öffentlichen Facebook-Gruppe „Artificial Intelligence & Deep Learning“ zur Verfügung.

Siehe auch: Der Ersteller dieser Person ist nicht vorhanden, warum er die Site erstellt hat

Der zugrunde liegende Code, der dies ermöglichte und den Namen StyleGAN trug, wurde von Nvidia geschrieben und in einem Papier präsentiert, das noch nicht begutachtet wurde. Diese Art von neuronalen Netzen hat das Potenzial, die Videospiel- und 3D-Modellierungstechnologie zu revolutionieren, kann jedoch, wie fast jede andere Technologie, auch für unheimlichere Zwecke verwendet werden. Deepfakes oder computergenerierte Bilder, die in vorhandene Bilder oder Videos eingeblendet werden, können verwendet werden, um falsche Narrative oder andere Falschmeldungen zu verbreiten. Genau aus diesem Grund hat Wang die hypnotisierende, aber auch chillige Website erstellt.

"Ich habe mich entschieden, in meine eigenen Taschen zu greifen und die Öffentlichkeit für diese Technologie zu sensibilisieren", schrieb er in seinem Beitrag. „Gesichter sind für unsere Wahrnehmung am wichtigsten, also habe ich mich entschlossen, dieses speziell trainierte Modell zu verwenden. Jedes Mal, wenn Sie die Site aktualisieren, generiert das Netzwerk aus einem 512-dimensionalen Vektor ein neues Gesichtsbild. “

Wie funktionieren GANs?

Das Konzept der GANs wurde 2014 von dem angesehenen Informatiker Ian Goodfellow eingeführt. Seitdem ist Nvidia an der Spitze der Technologie. Tero Karras, ein leitender Wissenschaftler für das Unternehmen, hat mehrere GAN-Studien durchgeführt.

GANs bestehen im Wesentlichen aus zwei Netzwerken: dem Generator und dem Diskriminator. Diese Computerprogramme konkurrieren millionenfach miteinander, um ihre Fähigkeiten zum Erstellen von Bildern zu verfeinern, bis sie gut genug sind, um die vollwertigen Bilder zu erstellen.

Bis vor kurzem - Ende 2017 - konnten die Forscher mit dieser Methode keine qualitativ hochwertigen 1024x1024-Bilder erstellen, als Nvidia den Code mit einer in seinem berühmten ProGAN-Papier beschriebenen Technik knackte. StyleGAN baut auf diesem Konzept auf und gibt den Forschern mehr Kontrolle über bestimmte visuelle Funktionen.

Warum ist Nvidia bei GANs so gut?

Das erste Geschäftsfeld von Nvidia ist der Entwurf und Verkauf von Grafikprozessoren (GPUs oder Grafikkarten). GPUs sind Maschinen für maschinelles Lernen, mit denen Algorithmen wie StyleGANs stundenlang trainiert werden riesige Reihen und Spalten von Zahlen, was so etwas ist, was unter der Haube passiert, wenn die KI trainiert wird.

Das Unternehmen hat den Vorteil, über die modernsten GPUs zu verfügen, und bietet seinen Forschern außerdem die neuesten Ressourcen zur Ausbildung neuronaler Netze.

Die Zukunft von GANs

Nvidia, Facebook, Google und viele andere Tech-Unternehmen haben Staffeln von Forschern, die Versionen dieser A.I. Technik. Das Endziel besteht darin, mit Hilfe automatisierter Methoden anstelle von Hardcoding vollständig ausgereifte virtuelle Welten, möglicherweise in VR, zu generieren. Inzwischen werden GANs bereits genutzt, um den aufstrebenden Markt für virtuelle Social Media-Influencer zu erschließen.

Eine Vielzahl von computergenerierten Charakteren, die Modemarken und Lifestyle-Unternehmen bewerben, haben bereits Millionen von Followern im Internet angezogen. Risikokapitalfirmen haben Millionen in das Konzept investiert, und GANs könnten dazu beitragen, diese 3D-Modelle mit weniger Arbeit realistischer zu gestalten.

Bis dahin werden Sie in der Lage sein, diese Person nicht regelmäßig zu erfrischen, indem Sie in die Augen ihrer irreführenden, gefühlvollen, falschen Gesichter blicken. Es ist ein aufregendes und dennoch abschreckendes Beispiel dafür, wie realistisch die falschen Welten der Zukunft werden.