Nvidias AI GauGAN gör fotografier av enkla skisser
Ser riktigt coolt ut

Nvidia är ett av de företagen som satsar mest på artificiell intelligens och på deras pågående GTC-mässa har man visat upp lite vad deras AI GauGAN är kapabel att göra. GauGAN, vilket är en sammanslagning av konstnären Paul Gaugins namn och GAN (Generative Adversarial Networks), kan med hjälp av enklare skisser generera hyggligt realistiska fotografier. GauGAN har tränats upp genom att studera miljontals bilder och kan till exempel själv lägga till vattenreflektioner på fotografiet, Det går även att byta ut områden på bilden så att man till exempel gör om ett område med gräs till ett område med snö. Bryan Catanzaro som är chef över Nvidias djupinlärnings-arbete säger om GauGAN: "It’s like a coloring book picture that describes where a tree is, where the sun is, where the sky is. And then the neural network is able to fill in all of the detail and texture, and the reflections, shadows and colors, based on what it has learned about real images.This technology is not just stitching together pieces of other images, or cutting and pasting textures. It’s actually synthesizing new images, very similar to how an artist would draw something." I klippet ovan kan ni kolla in en demonstration av GauGAN.

Apple plockar AI-expert från Google
Ian Goodfellow ligger bland annat bakom GAN

CNBC rapporterar att AI-experten Ian Goodfellow sedan förra månaden är chef för maskinlärning inom Apples så kallade "Special Projects Group". Goodfellow arbetade tidigare på Google med att utveckla artificiella intelligenser. Före det har han bland annat arbetat för robotföretaget Willow Garage som vi skrivit om några gånger tidigare och han har även arbetat för organisationen OpenAI som Elon Musk kickade igång 2016. I AI-kretsar är Goodfellow främst känd för att ha myntat och utvecklat begreppet "Generative Adversarial Network" (GAN). Det är en AI-teknik där man låter två neurala nätverk battla mot varandra för att åstadkomma det bästa resultatet i ett så kallat nollsummespel. Det är en teknik som bland annat har använts för att framställa alla så kallade "deepfakes" som vi sett många exempel på de senaste åren. Här ovan kan ni lyssna på när en annan AI-expert, Andrew Ng som grundade Google Brain, intervjuar Ian Goodfellow 2017.

Facebooks senaste AI är en riktig ögonöppnare
Slipp fotografier där du blundar

Facebook har utvecklar en artificiell intelligens som kan se till att en person som fotograferas med slutna ögon kan få dessa öppnade i efterhand. Man använder sig av något som kallas för Generative Adversarial Network (GAN) som använder sig av exempelbilder på en användare för att se till så att stängda ögon öppnas. Denna typen av AI lär sig känna igen saker, i det här fallet slutna ögon, för att sedan använda det den lärt sig tidigare för att ersätta de slutna ögonen med ett par så någorlunda realistiska öppna ögon som det går. Att ersätta slutna ögon med öppna ögon på ett fotografi är inget nytt. Adobe har till exempel en "ögonöppnar-funkton" i sitt bildredigeringsprogram Photoshop. Här nedan kan ni kolla in fyra exempel på hur Photoshops funktion står sig mot Facebooks AI. Till vänster syns exempelbilden som Facebooks AI matades med och därefter följer ursprungsbilden, bild skapad med Photoshops ögonöppnar-funktion och längst till höger syns Facebooks resultat efter att ha använt GAN.

Artificiell intelligens skapar fotomodeller
Ännu något som vi inte behöver människor till

Utvecklingen av artificiella intelligenser som kan manipulera bilder och videoklipp har gått framåt med stormsteg de senaste åren och här kan ni ta en titt på vad det japanska företaget DataGrid använder AI till. DataGrid har utvecklat en artificiell intelligens som med hjälp av maskinlärning kan skapa nya "fotomodeller" på löpande band. Personerna ni ser i animationen ovan och i klippet nedan finns inte i verkligheten utan den har AI:n skapat genom att studera en lång rad verkliga fotomodeller. Precis som de flesta andra AI:s som pysslar med liknande manipulation av bilder så använder sig DataGrids AI av ett så kallat GAN (Generative Adversarial Networks) där man låter två neurala nätverk "tävla" mot varandra om att skapa det bästa resultatet som sedan AI:n presenterar för användaren. Teknik som denna skulle i framtiden eventuellt kunna användas för att dra ner kostnaden för klädföretag när de ska fotografera sina nya kollektioner.

Artificiell intelligens gör skumma bilder av din text
Kan passera som abstrakt konst kanske?

Artificiella intelligenser som skapar egna bilder utifrån vad de tidigare lärt sig har vi sett några stycken genom åren och här är ytterligare ett sådant experiment. Det handlar om algoritm för maskininlärning som man kallar för AttnGAN (Attentional Generative Adversarial Network) vilken tar orden man skriver in och kombinerar dessa för att sedan skapa en lämplig bild av det hela. Jag har suttit och testat det här ett tag idag men ska inte påstå att de genererade bilderna resulterade i något särskilt vettigt. Tanken är att man ska skriva in ord och meningar på engelska men som synes nedan så blir väl resultatet ungefär lika skumt om man skriver in något på svenska. Testar ni och får något vettigt eller roligt resultat så posta gärna skärmdumpar i kommentarerna!

Amazon har en artificiell intelligens som kan designa kläder
Ännu ett jobb människor inte behöver göra i framtiden

MIT Technology Review skriver att Amazons utvecklingsavdelning "Lab 126" har utvecklat en artificiell intelligens som kan bistå företaget med att designa nya modekollektioner till deras växande skara modevarumärken. AI:n använder sig av två neurala nätverk som med metoden GAN (generative adversarial network), en metod som innebär att de två neurala nätverken lär sig av varandra utan mänsklig inblandning, ska kunna skönja trender inför kommande säsongers kollektioner. Då Amazon inte släpper klädkollektioner säsongsvis så skulle antagligen Amazon kunna använda den här AI:n för att snabbt skönja trender i till exempel konkurrenters kommande höstkollektion. Baserat på det skulle man antagligen hyfsat snabbt kunna designa något liknande och få ut detta på marknaden förhållandevis kvickt.