I ricercatori Nvidia hanno pubblicato i dettagli di una nuova AI in grado di applicare trasformazioni sostanziali e credibili alle immagini che le vengono fornite. Questo software è nato in risposta a una necessità ben precisa nel settore delle auto a guida autonoma: ottenere più informazioni in condizioni di guida diverse da quelle sempre uguali, pur se ottimali, della California, dove è quasi sempre soleggiato e la temperatura è mite.

Il video che vedete qui sotto, pubblicato da Nvidia stessa, mostra il processo inverso, indice di una versatilità dell'AI ben superiore alle necessità iniziali; in altre parole, solo la metà sinistra del video, quella nevosa, è reale, l'altra è generata al computer.

Non è la prima volta che compare un'AI particolarmente brava con Photoshop. Come in altri casi del settore, il software usa un modello AI chiamato GAN, ovvero "Generative Adversarial Network". Le reti neurali sono di fatto due: una genera i contenuti, l'altra li valuta in base a quanto appaiono reali e credibili. L'AI "artista", quindi, affina la propria tecnica in base ai voti che le affibbia l'AI "critica".

L'AI di Nvidia si distingue dalle altre perché richiede molta meno supervisione. Una GAN tradizionale richiederebbe una gran mole di coppie di immagini uguali o quantomeno simili con le due condizioni meteorologiche/di luce, per poi studiare le differenze e formarsi una propria opinione. Ora questo impegnativo passaggio, che richiede molto tempo e molte risorse, si può saltare, con risultati qualitativamente comparabili.

Come dicevamo, le possibilità per questo tipo di intelligenza non si fermano al solo mondo della guida autonoma. Come proof of concept, Nvidia ha pubblicato un video in cui "cambia razza" a una serie di cani mantenendo i loro connotati. I risultati sono piuttosto credibili, anche se la risoluzione delle foto è un po' bassa.

Più concretamente, software di questo tipo sarebbero dei tool fenomenali nel campo del fotoritocco e della produzione foto/video, anche c'è da considerare il rischio di alimentare la proliferazione incontrollata di Fake News.

Per chi è interessato ad approfondire, comunque, QUI si può scaricare il PDF integrale della ricerca. Il codice, invece, si trova QUI, su GitHub.