Разработчики создали интерфейс для нейросети, в котором можно рисовать словами


Оглавление (нажмите, чтобы открыть):

Microsoft научила нейросеть рисовать картины по текстовому описанию

Исследователи из Microsoft Research разработали нейросеть, способную создавать сложные изображения на основе текстового описания. В отличие от других text-to-image алгоритмов, умеющих визуально генерировать только базовые объекты, эта программа может понимать описание сразу нескольких составляющих рисунка.

Пример работы новой нейросети Microsoft

Сложность создания подобного алгоритма заключалась в том, что ранее нейросеть не умела воссоздавать в хорошем качестве все базовые объекты по их описаниям и анализировать то, как несколько предметов могут относиться друг к другу в рамках одной композиции. К примеру, чтобы создать изображение по описанию «Женщина в шлеме сидит на лошади», нейросеть должна была семантически «понять», как каждый из объектов относится друг к другу. Эти проблемы разработчикам Microsoft удалось решить, обучив нейросеть на основе открытого дата-сета COCO, содержащего разметку и данные сегментации для более 1,5 миллиона объектов.

В основе нового алгоритма лежит объектно-ориентированная генеративно-состязательная нейросеть ObjGAN. Она анализирует текст, выделяя из него слова-объекты, которые необходимо расположить на изображении. В отличие от обычной генеративно-состязательной сети, состоящей из одного генератора, который создаёт изображения, и одного дискриминатора, который оценивает качество сгенерированных картинок, ObjGAN содержит два различных дискриминатора. Один анализирует реалистичность каждого из воспроизведённых объектов и их соответствие имеющемуся описанию, а второй определяет, насколько вся композиция реалистична и соотносится с текстом.

Новая технология преобразования текста может применяться дизайнерами и художниками для быстрого создания эскизов.

Алгоритм ObjGAN представлен в открытом доступе на GitHub.

Нейросеть научили в реальном времени превращать наброски в фотографии

Американские и британские разработчики создали приложение, в котором пользователь может сделать набросок и сразу же получить изображение, созданное нейросетью на его основе. Алгоритм состоит из двух частей, одна из которых дорисовывает набросок, а вторая превращает дорисованную картинку в фотографию. Разработка будет представлена на конференции ICCV 2020, статья о ней опубликована на arXiv.org.

Интерфейс самого приложения поделён на два окна: в первом пользователь рисует набросок, а во втором сразу же видит созданное нейросетями изображение. Правда, программа пока работает с ограничениями – только по предустановленным шаблонам. Прежде чем начать рисование, пользователь должен выбрать класс объекта.

По словам разработчиков, для обучения нейросети им пришлось создать свой набор из набросков и фотографий. В него вошли объекты десяти типов.

Подписывайтесь на «Код Дурова» в Telegram и во «ВКонтакте», чтобы всегда быть в курсе интересных новостей!

Нейросеть научилась рисовать картинки по текстовому описанию

He et al. / arXiv 2020

Разработчики из компании Microsoft создали новую порождающую состязательную нейросеть, которая умеет рисовать изображения на основе их краткого текстового описания. Система работает благодаря алгоритму, который учитывает важные детали описания, и подробно описана в препринте на arXiv.

Очень часто в основе создающих изображения алгоритмов лежат порождающие состязательные нейросети (также их называют генеративно-состязательными, GAN — generative adversarial networks) — разновидность искусственных нейронных сетей, состоящих из генератора и дискриминатора. Задача первого — создавать новые объекты, похожие на объекты из обучающей выборки, доступа к которой у него нет, а задача второго — решить, принадлежит ли сгенерированный объект к классу объектов из доступной ему обучающей выборки, и дать соответствующий сигнал генератору. На основе такого алгоритма создаются программы, которые умеют рисовать оригинальные произведения искусства, создавать трехмерные модели местности и даже превращать наброски в фотореалистичные портреты.

Разработчики из исследовательского отделения Microsoft под руководством Сяодуна Хэ (Xiaodong He) для создания изображений из текстового описания разработали новую разновидность GAN-нейросети: внимательную GAN (attentional GAN, AttGAN). В отличие от уже существующих алгоритмов, которые генерируют изображения из целого описания, превращая его в один вектор-предложение, новый алгоритм обращает внимание на детали: то есть оценивает каждое слово в описании и рисует изображение на их основе.

He et al. / arXiv 2020

В результате нейросеть учится создавать достаточно реалистичные изображения на основе описаний. При обучении на базе данных COCO, содержащей текст и описание, работа новой нейросети превосходит уже существующие алгоритмы в точности на 170,25 процента, а при использовании базы данных CUB (она содержит изображения птиц) — на 14,14 процента.

Прилавок с бананами и киви

He et al. / arXiv 2020

Птичка черно-зеленого цвета с белым пузиком

He et al. / arXiv 2020

Закрученная домашняя паста с брокколи, морковью и луком

19 отличных бесплатных нейросетей

К 2020 году искусственные нейронные сети стали чем-то большим, чем просто забавная технология, о которой слышали только гики. Да, среди обычных людей мало кто понимает что из себя представляют нейросети и как они работают, но проверить действие подобных систем на практике может каждый – и для этого не нужно становиться сотрудником Google или Facebook. Сегодня в Интернете существуют десятки бесплатных проектов, иллюстрирующих те или иные возможности современных ИНС, о самых интересных из них мы и поговорим.

Из 2D в 3D

На этом сервисе вы сможете вдохнуть новую жизнь в свои старые фотографии, сделав их объемными. Весь процесс занимает меньше минуты, необходимо загрузить изображение и через несколько секунд получить 3D-модель, которую можно покрутить и рассмотреть во всех деталях. Впрочем, есть два нюанса – во-первых, фотография, должна быть портретной (для лучшего понимания требований на главной странице сайта представлены наиболее удачные образцы снимков, которые ранее загружали другие пользователи; во-вторых, детализация получаемой модельки зачастую оставляет желать лучшего, особенно, если фотография в низком разрешении. Однако авторы разрешают не только ознакомиться с результатом в окне браузера, но и скачать получившийся файл в формате obj к себе на компьютер, чтобы затем самостоятельно его доработать.

Мастер Йода рекомендует:  Оптимизация программ на PHP

Нейминг брендов

Придумали крутую идею для стартапа, но не можете определиться с именем для будущей компании? Достаточно вбить несколько ключевых слов, задать длину названия в символах и готово! В общем, больше не нужно искать на фрилансе людей, которые будут решать такой личный вопрос, как наименование дела всей вашей жизни.

Выбор досуга

Пересмотрели все интересные вам фильмы, прочли все достойные книги и не знаете чем занять вечер? Система рекомендаций от специалиста по искусственному интеллекту Марека Грибни расскажет как увлекательно и с пользой провести свободное время. Для корректной работы сервиса вас сперва попросят указать ваши любимые произведения в кинематографе, литературе, музыке или живописи.

Рай для искусствоведа

Google специально для поклонников современного (и не только) искусства запустила проект Google Arts & Culture, в котором можно подобрать произведения по вашему вкусу как от малоизвестных, так и от малоизвестных авторов. Большая часть контента здесь на английском, но если вы не дружите с языками, можно воспользоваться встроенным переводчиком.

Озвучивание картинок

Японская студия Qosmo разработала очень необычную нейросеть Imaginary Soundscape, которая воспроизводит звук, соответствующий тому или иному изображению. В качестве источника информации вы можете указать ссылку на любую картинку в Интернете, загрузить свой файл либо выбрать случайную локацию на Google Maps.

Не умеешь рисовать – тогда тебе к нам!

Если вы пробовали использовать рукописный ввод на своем смартфоне, эта нейросеть покажется вам до боли знакомой: она превращает любые каракули в аккуратные 2D-рисунки.

Генерация людей

Thispersondoesnotexist – это один самых известных AI-проектов. Нейросеть, созданная сотрудником Uber Филиппом Ваном, выдает случайное изображение несуществующего человека при каждом обновлении страницы.

Генерация… котов


Тот же автор разработал аналогичный сайт, генерирующий изображения несуществующих котов.

Быстрое удаление фона

Часто ли вам приходится тратить драгоценное время на удаление бэкграунда с фотографий? Даже если регулярно такой необходимости не возникает, следует на всякий случай знать о возможности быстрого удаления фона с помощью удобного онлайн-инструмента.

Написать стихотворение

Компания ‘Яндекс’, известная своей любовью к запуску необычных русскоязычных сервисов, имеет в своем портфолио сайт, где искусственный интеллект составляет рандомные стихотворения из заголовков новостей и поисковых запросов.

Окрашивание черно-белых фотографий

Colorize – это также российская нейросеть, возвращающая цвета старым черно-белым снимкам. В бесплатной версии доступно 50 фотографий, если вам нужно больше, можете приобрести платный аккаунт с лимитом в десять тысяч изображений.

Апскейлинг фото

Лет 10-15 назад камеры мобильных устройств не отличались высоким разрешением, и слабый сенсор в телефоне никак не мог справиться с детализированной картиной окружающего мира. Теперь же, если вы захотите повысить разрешение своих старых фотографий, это можно сделать на сервисах вроде Bigjpg и Let’s Enhance, которые позволяют увеличить размер изображения без потери в качестве.

Чтение текста голосом знаменитостей

Благодаря высоким технологиям, сегодня у вас есть возможность озвучить любую фразу голосом самых известных в мире людей. Все просто: пишите текст и выбираете человека (среди последних – Дональд Трамп, Тейлор Свифт, Марк Цукерберг, Канье Уэст, Морган Фриман, Сэмюель Л Джексон и другие).

Описание фотографий

Казалось бы, искусственный интеллект должен быть способен без труда описать любую, даже самую сложную картинку. Но это вовсе не так, обучить ИИ распознавать отдельные образы действительно относительно просто, а вот заставить компьютер понимать общую картину происходящего на изображении, очень сложная задача. У Microsoft получилось с ней справиться, и ее CaptionBot без труда скажет, что вы ему показываете.

Музыкальная шкатулка

Напоследок расскажем о целой пачке нейросетей от Google, первая из них – Infinite Drum Machine. Открыв страницу приложения, вы увидите своеобразную карту, на которой находятся самые разнообразные звуки. С помощью круглых манипуляторов можно изменять сочетание элементов, если получившийся набор покажется вам бессмысленным, нажмите кнопку Play в нижней части экрана и звуковая картина сложится сама собой.

Птичий хор

Если предыдущий сервис может оказаться полезным для, например, диджеев или обычных музыкантов, то польза от управления голосами десятков тысяч певчих птиц довольно сомнительна. Кстати, коллекция звуков для Bird Sounds собиралась орнитологами со всего мира на протяжении нескольких десятилетий.

Виртуальный пианист

В A. I. Duet пользователю предлагается сыграть какую-нибудь мелодию на пианино, а искусственный интеллект попробует самостоятельно закончить композицию, подобрав наиболее логичное и гармоничное продолжение.

Распознавание рисунков

Еще во время первых экспериментов с нейросетями в середине прошлого века основной задачей машинного обучения было распознавание визуальных образов. Спустя десятки лет эта технология выбралась из лабораторий и доступна всем желающим: на сайте quickdraw.withgoogle.com/ вам предложат быстро рисовать простые наброски определенных предметов, при этом ИИ будет все время комментировать происходящее на экране синтезированной речью.

Объяснение логики машинного обучения

Проект Visualizing High-Dimensional Space (“Визуализация многомерного пространства”) создавался для того, чтобы объяснить простым людям и начинающим разработчикам, как работают нейросети. Когда ИИ, оперируя большими базами данных, получает информацию (например, вашу фотографию, введенную фразу или только что нарисованное изображение), он сравнивает входящие данные с теми, что у него уже есть. VHDS наглядно демонстрирует корреляцию одного лишь выбранного вами слова с миллионами аналогичных понятий.

Microsoft научила нейросеть рисовать сложные сцены по текстовому описанию

20 June 2020 | Пресс-Центр

Исследовательская группа Microsoft Research представила генеративно-состязательную нейросеть, которая способна генерировать изображения с несколькими объектами на основе текстового описания. В отличие от более ранних подобных алгоритмов text-to-image, способных воспроизводить изображения только базовых объектов, эта нейросеть может справляться со сложными описаниями более качественно.

Сложность создания подобного алгоритма заключалась в том, что, во-первых, ранее бот был не способен в хорошем качестве воссоздавать все базовые объекты по их описаниям, и, во-вторых, не мог проанализировать то, как несколько объектов могут относиться друг к другу в рамках одной композиции. К примеру, чтобы создать изображение по описанию «Женщина в шлеме сидит на лошади», нейросеть должна была семантически «понять», как каждый из объектов относится друг к другу. Эти проблемы удалось решить, обучив нейросеть на основе открытого дата-сета COCO, содержащего разметку и данные сегментации для более 1,5 млн объектов.

Мастер Йода рекомендует:  Представлен релиз свободного набора компиляторов GCC 8.1

В основе алгоритма лежит объектно-ориентированная генеративно-состязательная нейросеть ObjGAN (Object-driven Attentive Generative Adversarial Newtorks). Она анализирует текст, выделяя из него слова-объекты, которые необходимо расположить на изображении. В отличие от обычной генеративно-состязательной сети, состоящей из одного генератора, который создает изображения, и одного дискриминатора, который оценивает качество сгенерированных изображений, ObjGAN содержит два различных дискриминатора. Один анализирует, насколько реалистичен каждый из воспроизведенных объектов и насколько он соответствует имеющемуся описанию. Второй определяет, насколько вся композиция реалистична и соотносится с текстом.

Предшественником алгоритма ObjGAN стал AttnGAN, также разработанный исследователями Microsoft. Он способен генерировать изображения объектов по более простым текстовым описаниям. Технология преобразования текста в изображения может применяться для помощи дизайнерам и художникам в создании эскизов.

Алгоритм ObjGAN находится в открытом доступе на GitHub.

Нейросеть научили генерировать интерфейс по скриншоту

Как известно, больше всего времени в программировании занимает не написание и даже не отладка программы (хотя кто знает), а вёрстка, то есть — написание интерфейса. То же справедливо для веб-сайта, ведь заказчик часто просит «сделать красиво», дизайнер рисует прекрасный внешний вид, а программисту предстоит интегрировать его в готовый проект.

И вот датский стартап Uizard Technologies представил нейросеть pix2code, которая умеет «просматривать» изображение или скриншот того или иного пользовательского интерфейса, а затем генерировать готовую страницу со всем необходимым кодом, оформлением и графическими элементами. Полученный код почти не нужно дорабатывать.

Как отмечается, точность генерации уже составляет 77%, так что практически автоматически можно получить интерфейс высокого качества. Скомпилированная версия прототипа нейросети, которую планируется опубликовать на GitHub, умеет генерировать интерфейсы под OS и Android, а также для веб-сайтов. При этом пока разработчики не планировали открывать исходники программы, однако после сильного интереса к ней, главный разработчик Тони Белтрамелли заявил, что исходники всё же могут быть опубликованы. Как отмечается, наборы данных для обучения нейросети станут доступны на GitHub после публикации (или отказа в публикации) его статьи на конференции NIPS 2020. Уведомление от организаторов конференции должно прийти в начале сентября, так что наборы данных появятся в репозитории в то же время. Там будут скриншоты GUI, соответствующий код на языке программы и выдача компилятора для трёх основных платформ.

Отмечается, что x2code построена на свёрточных и рекуррентных нейронных сетях. Обучение на Nvidia Tesla K80 GPU заняло чуть менее пяти часов — за это время система оптимизировала 109×106 параметров для одного набора данных. Так что если вы хотите обучить её для трёх платформ, потребуется около 15-ти часов. Программа может принимать на вход значения пикселей из одного скриншота, без специальной обработки данных, что существенно ускоряет процесс.

При этом Белтрамелли отметил, что нейросеть можно обучить на другом наборе данных — и тогда она начнёт генерировать код на других языках для других платформ. Сам автор не планирует это делать, потому что расценивает pix2code как своеобразную игрушку, которая демонстрирует часть технологий, над которыми работает его стартап. Однако любой желающий сможет форкнуть проект и создать реализацию для других языков/платформ.

Таким образом, создание интерфейсов для сайтов и программ, наконец, можно будет автоматизировать.

Нейросеть от Microsoft научилась создавать изображения по текстовому описанию

Разработчики Microsoft анонсировали разработку в сфере искусственного интеллекта, которая является чем-то вроде художника — “бот-чертеж”. Бот способен не только создавать изображения из текстовых описаний объекта, но и “фантазировать” — добавлять собственные детали к своим рисункам, которые не указаны в записях. Об этом сообщается на сайте arXiv.

Исследователи говорят, что бот способен генерировать разнообразные изображения: например, от “обычных пасторальных сцен”, таких как пастбище скота, до абсурдных, типа “плавучего двухэтажного автобуса”.

В Microsoft говорят, что бот обучался на наборах данных парных изображений и заголовков, что позволило ему понимать, как совместить слова с рисунками.


“Это фундаментальная причина, по которой мы считаем, что машина может учиться”, — заявляют разработчики.

Технология рисования состоит из двух моделей машинного обучения: одно для генерации изображений из текстовых описаний, а другое — для оценки подлинности сгенерированных изображений. В сочетании они создают высококачественные рисунки.

В частности, бота научили рисовать изображения на основе сложных предложений. В то время как другие технологии могли нарисовать птицу из заголовка, в котором говорилось, что это “птица”, новая разработка отлично справилась с “птицей с зеленым хохолком, желтыми крыльями и красным животом”. Раньше это приводило бы к размытой “зеленовато-желтовато-красноватой птице”.

Особенно интересно то, что бот может заполнить пробелы, когда конкретные детали не указаны. В примере с птицей бот обычно рисует пернатое, сидящее на ветке дерева, даже если эта деталь не указана в тексте.

Благодаря исследованию стало известно, что работа новой нейросети превосходит уже существующие алгоритмы в точности на 170,25%, а при использовании базы данных CUB (она содержит изображения птиц) — на 14,14%.

Сайт о нанотехнологиях #1 в России

Датский стартап Uizard Technologies представил нейросеть pix2code, обученную «просматривать» изображение или скриншот того или иного пользовательского интерфейса, а затем генерировать готовую страницу со всем необходимым кодом, оформлением и графическими элементами. Готовый код обычно не требует существенной доработки.

Верстка интерфейса программы или сайта — один из самых времязатратных процессов. Обычно дизайнеры заранее готовят необходимые графические элементы и представляют верстальщикам готовое изображение интерфейса, чтобы те понимали, где и как именно нужно располагать эти элементы.

Затем уже программисты, ответственные за верстку, пишут программный код, учитывающий расположение графических элементов и привязывающий их к функциям, обрабатываемым программным обеспечением или движком сайта. Новый алгоритм pix2code позволяет в значительной степени автоматизировать этот процесс.

В случае, если в результате работы нейросети необходимо получить готовый интерфейс высокого качества, ей можно предоставить готовый нарисованный макет программы или сайта. В настоящее время точность генерации кода интерфейсной части составляет 77 процентов, но ее планируется существенно повысить дальнейшими тренировками нейросети.

В настоящее время прототип нейросети, который планируется опубликовать на GitHub, способен генерировать код интерфейса для приложений под операционные системы iOS и Android, а также для сайтов. Скомпилированный алгоритм стартап пока не опубликовал. Разработчики также заявили, что скорее всего не станут публиковать исходный код pix2code.

Мастер Йода рекомендует:  Натив или кроссплатформа — что выбрать начинающему мобильному разработчику Отвечают эксперты

В декабре прошлого года исследователи из Университета Торонто представили нейросеть, которая умеет сочинять песни о предметах, изображенных на фотографиях. В режиме реального времени алгоритм создает мелодию и подбирает к ней слова. Работу программы проверили на фотографии рождественской ели.

Нейросеть учится рисовать. Ещё лучше, чем раньше

Программисты из компании Microsoft создали нейросеть, которая умеет рисовать. Само по себе это не новшество, но их проект умеет создавать изображения по текстовым описаниям.

Ранее уже создавались нейросети, которые рисуют, и нейросети, которые усваивают текст. Была даже программа, которая делала оригинальные 3d-иллюстрации по названиям литературных произведений. С творчеством можно ознакомиться по ссылке.

Теперь пришло время соединения. И разработчики Microsoft создали такой алгоритм, основанный на нейросети, который сможет рисовать 2d-изображение по текстовому описанию. При этом он будет опираться на ключевые пункты в описании. Препринт исследования доступен на arxiv.org.

Состязательные нейросети

Для создания нейросетей хорошо подходят так называемые состязательные нейросети. На самом деле, в каждую такую нейросеть входят как минимум две подсети — генератор и дискриминатор, которые работают, как композитор и музыкальный критик.

Генератор создает изображения по заданным параметрам, а дискриминатор старается максимально «придраться» к созданным изображениям и вычислить, какие из них соответствуют правилам, то есть являются подлинными, а какие — нет. Между двумя сетями создается ситуация антагонистической игры: генератор старается произвести как можно больше образцов, а дискриминатор — как можно больше отбраковать. Такие нейросети могут создавать не только изображения.

Обычно у сети-генератора есть некоторая база изображений, по копии которых создаются новые, для дальнейшей проверки дискриминатором. Программисты из Microsoft под началом Сяодуна Хэ несколько изменили условия обучения генератора, назвав новый вариант сети aGAN — attentional generative adversarial network, или внимательная генеративно-состязательная сеть.

Если обычная сеть GAN превращает описание своего задания в некоторое единое предложение-вектор, то attentional GAN работает с целым текстом, разбивая его на отдельные пункты, которые считает важными. Такая сеть рисует свое изображение на основе каждого указанного слова, и это уже доказало свою эффективность: aGAN, обученная на базе СОСО (изображения с текстом описания), на 170% точнее аналогов.

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

Нейросеть научили создавать картинки по описаниям. Кажется, она черпает чистый ужас из глубин подсознания

Нейросеть AttnGAN, которая тренируется создавать изображения на основе словесных описаний, довольно быстро перешла к методам абстрактного экпрессионизма. Теперь на просьбу нарисовать человека или кота искусственный интеллект выдаёт жутковатые картины, которым самое место в музеях современного искусства. Найти там искомый объект порой бывает непросто. Мы потестили странную нейросеть, и вы тоже можете это сделать.

О новом искусственном интеллекте, который на основе базового алгоритма сам учится создавать изображения, пишет блог Motherboard. Программа под названием AttnGAN по замыслу должна считывать текстовые описания, «обращать внимание» на важные детали и, используя базовый набор фотографий, создавать уникальные изображения, но уже с поправкой на детали.

В пример авторы программы, статья о которой опубликована на arXiv.org, приводят такой текст:

Это красная с белым птица, и у неё очень короткий клюв.

В результате после обработки исходных изображений по алгоритмам с несколькими циклами должна получиться реалистичная картинка несуществующей в реальности, но «похожей» на настоящую птицы. Выглядит это так:

Программу создала команда из Центра глубинного машинного обучения Microsoft. Идея в том, чтобы научить машину, во-первых, правильно оценивать важность тех или иных слов в описании и правильно находить те участки изображения, к которым они относятся. Название программы расшифровывается как Attentional Generative Adversarial Network, что можно перевести как «созидательная сеть, работающая на принципах конкуренции и внимания».

Например, словосочетание «красная с белым» означает, что в оперении птицы намного больше красного, а белым должно быть только какое-то пятно. Также программа должна правильно отнести слова «очень короткий» именно к клюву, распознать, где у птицы клюв, сделать его коротким и при этом создать изображение, образ которого не выходит за рамки реализма.

Сеть обучали на изображениях птиц, и с птицами она справляется неплохо, но, когда дело дошло до других объектов, стало немного хуже. По правде говоря, стало очень плохо. Даже немного страшновато.

«Красивая женщина с длинными волосами и улыбкой на лице» (искусственный интеллект, фоторедактор, 2020).

Видно, что программа использовала изображения женщин и явно оперировала понятия «волосы», «красивый», «улыбка», «лицо». Но с вниманием, конкуренцией и их применением что-то пошло не так.

«Робот, который хочет убить всех людей».

Ну хорошо. А если дать нейросети задачу попроще? Без эпитетов и описаний. Журналисты попросили нейросеть просто нарисовать кота.

Программа не справилась с заданием. Судя по всему, в процессе обучения что-то в нейросети пошло не туда, и теперь выдать обычное изображение обычного объекта она не в состоянии.

Мы тоже немного потестили нейросеть AttnGAN с помощью демо, выложенного в сеть и открытого для публики. Результаты, когда к ним привыкаешь, уже не пугают. Но кажется, что эти изображения вполне могли бы претендовать на место в коллекциях Музея современного искусства в Нью-Йорке или хотя бы в частных галереях поклонников абстрактной живописи.

«Большие белые грибы в лесу».

«Новостник за ноутбуком».

Недавно мы писали о нейросети, которая умеет видеть людей даже сквозь стены. Искусственный интеллект опирается на радиоволны, которые отражаются от человеческого тела. Технология поможет распознавать преступников, несмотря на маски и темноту. Но и добропорядочные граждане не скроются от её внимательного взгляда.

Тем временем пользователи Reddit уже вовсю используют нейросети, работающие с изображениями, по прямому назначению. Теперь есть программа, с помощью которой несложно делать фейковые порноролики с голливудскими знаменитостями. Порносессия с Галь Гадот или Мэйси Уильямс? Без проблем. Теперь свои фантазии может воплотить любой. Вот только актрисы из настоящего порно очень недовольны новой технологией — так же, как в своё время луддиты были против машин.

Добавить комментарий