Η Google εισάγει μία νέα τεχνολογία διόρθωσης της ανάλυσης φωτογραφιών μας, η οποία θα μας επιτρέπει να απολαμβάνουμε πάντοτε ποιοτικό περιεχόμενο. Πως λειτουργεί; Ας δούμε στο κείμενο που ακολουθεί.
Google: Η νέα λειτουργία
Πρέπει να είναι άπειρες οι αστυνομικές ταινίες και σειρές που έχουμε δει, όπου ένα θολωμένο πλάνο μιας κάμερας ασφαλείας «καθαρίζεται» ως δια μαγείας αποκαλύπτοντας το πρόσωπο, την πινακίδα ή κάποιο αντικείμενο ενδιαφέροντος. Στην πραγματικότητα κάτι τέτοιο άνηκε μέχρι πρότινος στη σφαίρα της φαντασίας και του…Hollywood.
![](data:image/svg+xml;charset=utf-8,<svg height="1256" width="2233" xmlns="http://www.w3.org/2000/svg" version="1.1"/>)
Η νέα τεχνητή νοημοσύνη της Google όμως το κατάφερε, προσθέτοντας λεπτομέρειες στην αρχική εικόνα οι οποίες δεν υπήρχαν, πρακτικά μαντεύοντας τι υπάρχει μεταξύ των κενών των pixels. Η τεχνική ονομάζεται φυσική σύνθεση εικόνας και στη συγκεκριμένη περίπτωση υπέρ-ανάλυση εικόνας. Η AI ξεκινά με μία μικρή θολή εικόνα 64×64 pixels και καταλήγει σε μία καθαρή εικόνα ανάλυσης 1024×1024.
Πρακτικά η Google χρησιμοποιεί δύο AI εργαλεία. Το πρώτο είναι το SR3, το οποίο προσθέτει θόρυβο σε μία εικόνα και έπειτα αναστρέφει τη διαδικασία για να την καθαρίσει.
![](data:image/svg+xml;charset=utf-8,<svg height="1256" width="2512" xmlns="http://www.w3.org/2000/svg" version="1.1"/>)
Τα diffusion μοντέλα λειτουργούν αλλοιώνοντας τα δεδομένα εκπαίδευσης προσθέτοντας σταδιακά θόρυβο Gaussian, εξαλείφοντας τις λεπτομέρειες στα δεδομένα μέχρι να γίνει όλο θόρυβος και τότε εκπαιδεύεται ένα νευρωνικό δίκτυο για να αναστρέψει τη διαδικασία αλλοίωσης. – Chitwan Saharia, software engineer, Google Research.
Το δεύτερο εργαλείο είναι το CDM το οποίο αναβαθμίζει την ποιότητα των εικόνων που προέρχονται από diffusion μοντέλα όπως το SR3. Παίρνει δηλαδή τα βελτιωμένα μοντέλα και δημιουργεί μεγαλύτερης ανάλυσης εικόνες.
![](data:image/svg+xml;charset=utf-8,<svg height="1278" width="1256" xmlns="http://www.w3.org/2000/svg" version="1.1"/>)
Στις δοκιμές έλαβαν μέρος 50 άνθρωποι οι οποίοι είδαν τις παραγόμενες εικόνες ανθρώπινων προσώπων από την AI και κλήθηκαν να πουν αν είναι αληθινές ή όχι. Έκαναν λάθος στο 50% των δοκιμών, κάτι που αναλογιζόμενοι ότι ο τέλειος αλγόριθμος θα είχε σκορ 50%, είναι εντυπωσιακό.
Αξίζει να σημειωθεί πως αυτές οι εικόνες δεν είναι ακριβή αντίγραφα των πρωτότυπων, αλλά μία προσεκτικά υπολογισμένη προσομοίωση βασισμένη σε υψηλού επιπέδου μαθηματικά πιθανοτήτων.