Dirbtinis intelektas sukuria scenarijuotus vaizdo įrašus - iki šiol trumpi ir neryškūs, tačiau vieną dieną vien tai pakeis visą kino studiją.
Neuroniniai tinklai jau gana gerai (ir daugeliu atvejų geriau nei žmonės) atpažįsta paveikslo modelius ir geba bendrai apibūdinti ištisas scenas. Generaciniai neuroniniai tinklai vykdo atvirkštinę transformaciją ir gali sudaryti vaizdą pagal jo aprašą arba numatyti kitą kadrą pagal ankstesnius.
- „Salik.biz“
Belgijos kūrėjai nuėjo dar toliau, sujungdami šias galimybes į vieną sistemą, kuriančią vaizdo įrašus „iš nieko“, remiantis jų pačių patirtimi apie mašinų mokymąsi ir scenarijaus tekstą. Tinne Tuytelaars kalbėjo apie tai dirbtinio intelekto tobulinimo asociacijos (AAAI) susitikime, vykusiame JAV.
Neuroninis tinklas veikia dviem etapais - anot Tinne, tarsi imituodamas žmogaus kūrybinį procesą: pirmame etape susidaro neryškus, apytikslis kiekvieno kadro „eskizas“, po kurio nurodomos ir pridedamos detalės. Viena iš svarbių tokios sistemos dalių yra diskriminuojantis nervų tinklas, kuris rezultatą lygina su „tikrais“vaizdo įrašais, tinkančiais tam tikram scenarijui, ir leidžia įvertinti jo kokybę, pagerinant generatyvinės sistemos dalies darbą.
Neuroninis tinklas buvo mokomas 10 scenų („žaisti golfą ant žolės“, „jėgos aitvarų sportas jūroje“ir kt.) Ir buvo išmoktas atskirti veiksmus ir aplinkybes viena nuo kitos, taip pat galėjo jas bet kokiu būdu sujungti, kurdamas vaizdo įrašus, pavyzdžiui, apie „Golfas baseine“:
arba „buriavimas sniegu“:
Reklaminis vaizdo įrašas:
Žinoma, tokios animacijos kokybė dar toli gražu nėra priimtina: maždaug sekundę trunkančius „vaizdo įrašus“sudaro tik 32 kadrai, kurių matmenys yra 64x64 taškų.
Tačiau su tokiu pat pasitikėjimu galime garantuoti, kad šie skaičiai greitai pagerės, nes ne taip seniai pats kinas galėjo pasigirti tik purvinu, trūkčiojančiu ir niūriu paveikslu. Jei toks neuroninis tinklas gali būti padarytas tikrai greitai ir efektyviai, Holivudas gali baigtis: užteks paimti scenarijų ir filmas bus paruoštas. Ši galimybė bus naudinga kuriant didelius rinkinius kitiems neuroniniams tinklams treniruoti ir kuriant naujus srautinio vaizdo suglaudinimo ir perdavimo algoritmus.
Sergejus Vasiljevas