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電機反向網絡（GAN）培訓中，它將使這些系統能夠執行更多任務。在這一點上，值得注意的是，每個GAN系統中有兩個不同的神經網絡，即生成和排序。

當該算法旨在創建新的視覺效果時，分類網絡將檢查數千個圖像。然后，他使用找到的數據訓練相對的生產者網絡。為了產生一致且可信的結果，GAN系統需要50到10萬個訓練圖像。如果樣本數量不足，那么解析器將無法訪問必要的資源來訓練生產者網絡。

過去，人工智能研究人員使用一種稱為數據增強的方法來規避此問題。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，會對原始圖像進行更改，并且系統可能會看到不同的圖像。

這種方法可能導致GAN系統學習模仿這些變化，而不是學習新知識。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行了使用。在整個訓練過程中，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于兼容的情況。

Nvidia可以幫助實現比其新的AI培訓方法所預期的更有意義和重要的成果。有關新系統的詳細信息將在正在進行的NeurIPS 2020會議上共享。

責任編輯：lq