L'IA crachant de la fiction d'OpenAI apprend à générer des images

Ben Barry / OpenAI

En février de l'année dernière, le laboratoire de recherche OpenAI basé à San Francisco annoncé que son système d'IA pouvait désormais écrire des passages convaincants en anglais. Insérez le début d'une phrase ou d'un paragraphe dans GPT-2, comme on l'appelait, et cela pourrait continuer la pensée aussi longtemps qu'un essai avec une cohérence presque humaine.

Maintenant, le laboratoire explore ce qui se passerait si le même algorithme était plutôt alimenté avec une partie d'une image. Les résultats , qui ont reçu une mention honorable pour le meilleur article lors de la Conférence internationale sur l'apprentissage automatique de cette semaine, ouvrent une nouvelle voie pour la génération d'images, pleine d'opportunités et de conséquences.

À la base, GPT-2 est un puissant moteur de prédiction. Il a appris à saisir la structure de la langue anglaise en examinant des milliards d'exemples de mots, de phrases et de paragraphes, extraits des coins d'Internet. Avec cette structure, il pourrait alors manipuler des mots dans de nouvelles phrases en prédisant statistiquement l'ordre dans lequel ils devraient apparaître.

Les chercheurs d'OpenAI ont donc décidé d'échanger les mots contre des pixels et d'entraîner le même algorithme sur des images dans ImageNet, la banque d'images la plus populaire pour l'apprentissage en profondeur. Parce que l'algorithme a été conçu pour fonctionner avec des données unidimensionnelles (c'est-à-dire des chaînes de texte), ils ont déployé les images en une seule séquence de pixels. Ils ont constaté que le nouveau modèle, nommé iGPT, était toujours capable de saisir les structures bidimensionnelles du monde visuel. Compte tenu de la séquence de pixels pour la première moitié d'une image, il pourrait prédire la seconde moitié d'une manière qu'un humain jugerait raisonnable.

Ci-dessous, vous pouvez voir quelques exemples. La colonne la plus à gauche est l'entrée, la colonne la plus à droite est l'original et les colonnes du milieu sont les achèvements prévus d'iGPT. (Voir plus d'exemples ici .)

OPENAI

Les résultats sont étonnamment impressionnants et démontrent une nouvelle voie pour l'utilisation de l'apprentissage non supervisé, qui s'entraîne sur des données non étiquetées, dans le développement de systèmes de vision par ordinateur. Alors que les premiers systèmes de vision par ordinateur du milieu des années 2000 testaient auparavant de telles techniques, elles sont tombées en disgrâce car l'apprentissage supervisé, qui utilise des données étiquetées, s'est avéré beaucoup plus efficace. L'avantage de l'apprentissage non supervisé, cependant, est qu'il permet à un système d'IA d'apprendre sur le monde sans filtre humain et réduit considérablement le travail manuel d'étiquetage des données.

Le fait que iGPT utilise le même algorithme que GPT-2 montre également son adaptabilité prometteuse. Ceci est conforme à L'ambition ultime d'OpenAI pour obtenir une intelligence artificielle plus généralisable.

Dans le même temps, la méthode présente une nouvelle façon inquiétante de créer des images deepfake. Réseaux antagonistes génératifs , la catégorie d'algorithmes la plus couramment utilisée pour créer des deepfakes dans le passé, doit être entraînée sur des données hautement organisées. Si vous souhaitez qu'un GAN génère un visage, par exemple, ses données d'entraînement ne doivent inclure que des visages. iGPT, en revanche, en apprend simplement assez sur la structure du monde visuel à travers des millions et des milliards d'exemples pour cracher des images qui pourraient exister en son sein. Bien que la formation du modèle soit encore coûteuse en calcul, offrant une barrière naturelle à son accès, cela pourrait ne pas être le cas pendant longtemps.

OpenAI n'a pas accordé de demande d'entretien, mais lors d'une réunion de l'équipe politique interne à laquelle MIT Technology Review a assisté l'année dernière, son directeur politique, Jack Clark, a réfléchi aux risques futurs de la génération de style GPT, y compris ce qui se passerait si elle était appliquée à images. La vidéo arrive, a-t-il dit, montrant où il a vu la trajectoire de recherche du domaine. Dans probablement cinq ans, vous aurez une génération vidéo conditionnelle sur un horizon de cinq à 10 secondes. Il a ensuite décrit ce qu'il imaginait : vous alimenteriez une photo d'un politicien et d'une explosion à côté d'eux, et cela générerait une sortie probable de la mort de ce politicien.

Mettre à jour: Cet article a été mis à jour pour supprimer le nom du politicien dans le scénario hypothétique décrit à la fin.

cacher