英偉達宣布了其用于培訓人工智能系統的新方法。這種新方法可用于發(fā)電機反向網(wǎng)絡(luò )（GAN）培訓中，它將使這些系統能夠執行更多任務(wù)。在這一點(diǎn)上，值得注意的是，每個(gè)GAN系統中有兩個(gè)不同的神經(jīng)網(wǎng)絡(luò )，即生成和排序。
當該算法旨在創(chuàng )建新的視覺(jué)效果時(shí)，分類(lèi)網(wǎng)絡(luò )將檢查數千個(gè)圖像。然后，他使用找到的數據訓練相對的生產(chǎn)者網(wǎng)絡(luò )。為了產(chǎn)生一致且可信的結果，GAN系統需要50到10萬(wàn)個(gè)訓練圖像。如果樣本數量不足，那么解析器將無(wú)法訪(fǎng)問(wèn)必要的資源來(lái)訓練生產(chǎn)者網(wǎng)絡(luò )。
過(guò)去，人工智能研究人員使用一種稱(chēng)為數據增強的方法來(lái)規避此問(wèn)題。在這種方法中，以圖像算法為例，如果材料不足，則復制現有材料。在復制期間，會(huì )對原始圖像進(jìn)行更改，并且系統可能會(huì )看到不同的圖像。
這種方法可能導致GAN系統學(xué)習模仿這些變化，而不是學(xué)習新知識。Nvidia的新系統利用了新的數據增強方法，但是以自適應方式進(jìn)行了使用。在整個(gè)訓練過(guò)程中，選擇性地應用而不是扭曲現有圖像，從而避免了樣本與統計模型過(guò)于兼容的情況。
Nvidia可以幫助實(shí)現比其新的AI培訓方法所預期的更有意義和重要的成果。有關(guān)新系統的詳細信息將在正在進(jìn)行的NeurIPS 2020會(huì )議上共享。
