A mesterséges valóság a következő lépés a mesterséges intelligencián túl, és az emberi elmét ennek során teljesen át lehet kötni. A bírósági bizonyítékokat hamisítani lehet, az agymosás állandó lesz, emlékeket lehet létrehozni. A legnagyobb veszélyt azok a kisgyermekek jelentik, akiknek elméje éppen kitalálja, mi a valóság és mi nem. A legerősebb szállítási mechanizmus a virtuális valóság eszköze lesz, amely a szimuláció során több érzéket stimulál. ⁃ TN szerkesztő
A mesterséges intelligencia szakértői egy olyan „hamis valóságot” hoztak létre, amely annyira hasonlít a való életre, hogy nem biztos, hogy elmondhatja, hogy ez egy szimuláció.
A neurális hálózatok által végzett grafikai manipulációk új fejlesztései azt jelentenek, hogy a mesterséges szimulációk megtévesztőnek tűnnek, mint az igazi.
A fejlesztők szerint a jövőben az AI által generált jelenetek felhasználhatók az önvezető autók edzési adatainak létrehozására.
Ennek a technológiának azonban van egy sötétebb oldala is, és furcsa hiper-valóságba vezethet bennünket, ahol a szimuláció megkülönböztethetetlenné válik a való élettől.
Az Nvidia Santa Clara-i technológiai vállalat kutatói képeket készítettek, amelyek mutatják az AI által generált jeleneteket, amelyek valódi helyiségekből készültek.
"Kiváló minőségű képfordítási eredményeket mutatunk be különféle kihívást jelentő, felügyelet nélküli képfordítási feladatokról, ideértve az utcai jelenetek fordítását, az állati képek fordítását és az arcképek fordítását" - közölte a vállalat weboldala.
A Ming-Yu Liu által vezetett kutatók "kép-kép" fordítások segítségével alakították át a kültéri téli képet egy mesterséges intelligencia által generált nyári jelenetté.
A napos időjárást nedves időré is alakíthatják.
A rendszer támaszkodik a generatív versenytárs hálózatokra (GAN).
A Google Brain AI labor kutatói először kifejlesztették a GAN-t, amely két neurális hálózatból áll, amelyek a nyers adatok megismeréséből tanulnak.
[the_ad id = ”11018 ″]
A bemenet segítségével algoritmust „tanít” egy adott témáról, hatalmas mennyiségű információ betáplálásával.
Az egyik a nyers adatokat - jelen esetben a valós életet - nézi, míg a másik hamis képeket generál az adatkészlet alapján.
"A GAN-ok használata nem újszerű a felügyelet nélküli tanulásban, de az NVIDIA kutatás eredményeket hozott - a felhős égbolton vastag lombozaton keresztül árnyékok néztek előre - messze megelőzve az eddigieket" - írták Lui úr által vezetett kutatók blogbejegyzés.
„Csak az önvezető autók esetében az edzésadatokat egyszer rögzíteni lehet, majd szimulálni lehet számos virtuális körülmények között: napos, felhős, havas, esős, éjszakai stb.” - írták a kutatók.
