هوش مصنوعی چگونه تصاویر جعلی تولید می کند؟
نوع خاصی از هوش مصنوعی به نام GAN ها (شبکه های متخاصم مولد) الگوریتم های یادگیری ماشینی هوشمندی هستند که از شبکه های عصبی و مدل های کامپیوتری ساده شده مغز به روشی خاص برای تولید تصاویر جعلی استفاده می کنند.
هوش مصنوعی با کمک فناوری شبکه های متخاصم مولد قادر به طراحی چهره ها و تصاویر جعلی است که هیچ گاه وجود واقعی نداشته است. هنگامی که این شبکه ها بر روی یک مجموعه داده آموزش داده شوند، می توانند نمونه های جدیدی از چهره تولید کنند که شبیه آنچه دیده اند. شما می توانید یک الگوریتم ML مولد را با کمک این فناوری با استفاده از مجموعه داده ای متشکل از میلیون ها عکس از چهره ها آموزش دادهو در نهایت شبکه فوق می تواند چهره های فوتورئالیستی جدیدی تولید کند.
باید اذعان داشت که بسیاری از الگوریتم‌های ML مانند تعلیم دانش آموزان در کلاس درس نیاز به نظارت دارند،. ما باید به آنها بگوییم که داده‌ها چه چیزی را نشان می دهند و به آنها بگوییم که آیا پاسخشان درست است یا نه. در نقطه مقابل اما شبکه های GAN نیازی به نظارت ندارند و خودشان خود را آموزش می دهند.
این نوع یادگیری ماشینی بدون نظارت به این دلیل ممکن است که یک GAN دارای شخصیت دوگانه است. این فناوری از دو شبکه عصبی برای رقابت با یکدیگر استفاده می کند. در این فناوری فوق در حالی که یک شبکه عصبی به داده های آموزشی نگاه کرده و سپس سعی می کند چیزی جدید تولید کند، شبکه عصبی دیگر سعی می کند بین این خروجی و مجموعه داده آموزشی تمایز قائل شود.
شبکه اول هر بار که شبکه دوم را فریب دهد پاداش می گیرد. دومی هر بار که گول نخورد پاداش می گیرد. هر دو شبکه با تکرار و با هدف به حداکثر رساندن این پاداش ها بهبود می یابند. این رقابت داخلی باعث می شود که اولین شبکه در تولید خروجی هایی که از مجموعه آموزشی قابل تشخیص نیستند بسیار خوب شود.
وقتی به یک GAN اطلاعات اضافی می‌دهیم (مانند: این تصویر یک نقاشی از اسب است یا این عکس در شب گرفته شده است یا داده‌های آن را با خراب کردن آن افزایش می‌دهیم (این تصویر ۷۵ درجه چرخیده شده یا این تصویر بزرگنمایی شده) می تواند کارهای قابل توجهی انجام دهد. GAN ها همچنین می توانند نسخه هایی با وضوح بالاتر از تصاویر تولید کرده یا یکی را به سبک دیگری تبدیل کنند. این فناوری قادر است با مهارت زیادی تصاویر جعلی ایجاد کرده و یا حتی یک تصویر روز را به شب یا تابستان را به زمستان در تبدیل کنند.