Thispersondoesnotexist.com использует ИИ для генерации лиц людей, которых не существует

С помощью искусственного интеллекта (ИИ) можно не только создавать реалистичные видео людей, на которых те делают или говорят вещи, которых никогда не было в реальной жизни. Теперь с помощью ИИ простые пользователи Интернета могут генерировать правдоподобные лица людей, которых никогда не существовало.

Thispersondoesnotexist генерирует несуществующие лица людей

Для генерирования лиц людей зачастую используют достаточно дорогостоящее и мощное аппаратное обеспечение, но с новым ресурсом Thispersondoesnotexist.com это стало возможно, сделав несколько кликов. При обновлении сайта, алгоритм генерирует новое изображение с лицом несуществующего человека.

Thispersondoesnotexist использует GAN

Сайт Thispersondoesnotexist.com использует разновидность машинного обучения под названием GANs (Generative Adversarial Networks – генеративно-состязательные нейронные сети). Они «учатся» на больших массивах данных, например, на реальных человеческих лицах, чтобы производить новые. Thispersondoesnotexist.com использует код, который ранее был опубликован исследователями Nvidia на GitHub.

Филип Вонг, создатель сайта, отметил:

«Большинство людей не понимают, насколько хорошо искусственный интеллект сможет синтезировать изображения в будущем. Я обучил технологию придумывать новое лицо каждые две секунды и показывать его миру в масштабе. Ничего особенного».

Что такое GAN?

Отмечается, что генеративно-состязательная сеть (GAN) впервые была представлена в 2014 году специалистом по теории вычислительных машин и систем Яном Гудфеллоу. GAN – это алгоритм машинного обучения без учителя, который сформирован из комбинации двух нейронных сетей – сеть G генерирует образцы, а сеть D пытается отличить подлинные образцы от ненастоящих. В процессе совместного конкурентного обучения, если система достаточно сбалансирована, достигается минимаксное состояние равновесия, в котором обе сети значительно улучшили своё качество, и теперь сгенерированные изображения могут быть использованы практически как настоящие. GAN может использоваться для улучшения качества нечётких или частично испорченных изображений.