Un mundo lleno de IA.

La inteligencia artificial se está volviendo muy buena para identificar cosas: muéstrele un millón de fotos, y puede decirle con asombrosa precisión cuáles representan a un peatón que cruza una calle. Pero AI no tiene esperanza en generar imágenes de peatones por sí mismo. Si pudiera hacer eso, sería capaz de crear montones de imágenes realistas pero sintéticas que representen a los peatones en varios escenarios, que un auto sin conductor podría usar para entrenarse sin tener que salir a la carretera.

Duelo de redes neuronales

Los dos avanzados sistemas de inteligencia artificial pueden interactuar para crear imágenes o sonidos originales ultra realistas, algo que las máquinas nunca antes habían podido hacer.
Por qué importaEsto les da a las máquinas algo parecido a un sentido de imaginación, lo que puede ayudarles a ser menos dependientes de los humanos, pero también los convierte en herramientas alarmantemente poderosas para la falsificación digital.
Jugadores clave Google Brain, DeepMind, Nvidia
Disponibilidadahora

El problema es que crear algo completamente nuevo requiere imaginación , y hasta ahora eso ha dejado perplejos a las IA.

La solución se le ocurrió por primera vez a Ian Goodfellow, que entonces era estudiante de doctorado en la Universidad de Montreal, durante una discusión académica en un bar en 2014. El enfoque, conocido como red generativa adversativa, o GAN, toma dos redes neuronales : los modelos matemáticos simplificados. del cerebro humano que sustenta el aprendizaje automático más moderno , y los enfrenta en un juego digital de gato y ratón.

Ambas redes están capacitadas en el mismo conjunto de datos. Uno, conocido como el generador, tiene la tarea de crear variaciones en las imágenes que ya se han visto , tal vez una imagen de un peatón con un brazo adicional. El segundo, conocido como el discriminador, debe identificar si el ejemplo que ve es como las imágenes en las que ha sido entrenado o una falsa producida por el generador ; básicamente, ¿esa persona de tres brazos probablemente sea real?

Con el tiempo, el generador puede llegar a ser tan bueno produciendo imágenes que el discriminador no puede detectar falsificaciones. Básicamente, se le ha enseñado al generador a reconocer y luego crear imágenes de peatones de aspecto realista.

La tecnología se ha convertido en uno de los avances más prometedores de la IA en la última década, capaz de ayudar a las máquinas a producir resultados que engañan incluso a los humanos.

Los GAN se usaron para crear un sonido realista y imágenes falsas fotorrealistas. En un convincente ejemplo, los investigadores del fabricante de chips Nvidia prepararon un GAN con fotografías de celebridades para crear cientos de rostros creíbles de personas que no existen. Otro grupo de investigación hizo pinturas falsas no convincentes que se parecen a las obras de Van Gogh. Empujados aún más, los GAN pueden reimaginar imágenes de diferentes maneras :hacer que una carretera soleada parezca nevada o convertir caballos en cebras.

Los resultados no siempre son perfectos: los GAN pueden invocar bicicletas con dos conjuntos de manubrios, por ejemplo, o caras con cejas en el lugar incorrecto. Pero debido a que las imágenes y los sonidos son a menudo asombrosamente realistas, algunos expertos creen que hay un sentido en el que los GAN comienzan a comprender la estructura subyacente del mundo que ven y oyen. Y eso significa que AI puede ganar, junto con un sentido de la imaginación, una habilidad más independiente para dar sentido a lo que ve en el mundo.