英偉達宣布了其用于培訓(xùn)人工智能系統(tǒng)的新方法。這種新方法可用于發(fā)電機反向網(wǎng)絡(luò)（GAN）培訓(xùn)中，它將使這些系統(tǒng)能夠執(zhí)行更多任務(wù)。在這一點上，值得注意的是，每個GAN系統(tǒng)中有兩個不同的神經(jīng)網(wǎng)絡(luò)，即生成和排序。

當(dāng)該算法旨在創(chuàng)建新的視覺效果時，分類網(wǎng)絡(luò)將檢查數(shù)千個圖像。然后，他使用找到的數(shù)據(jù)訓(xùn)練相對的生產(chǎn)者網(wǎng)絡(luò)。為了產(chǎn)生一致且可信的結(jié)果，GAN系統(tǒng)需要50到10萬個訓(xùn)練圖像。如果樣本數(shù)量不足，那么解析器將無法訪問必要的資源來訓(xùn)練生產(chǎn)者網(wǎng)絡(luò)。

過去，人工智能研究人員使用一種稱為數(shù)據(jù)增強的方法來規(guī)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(fù)制現(xiàn)有材料。在復(fù)制期間，會對原始圖像進行更改，并且系統(tǒng)可能會看到不同的圖像。

這種方法可能導(dǎo)致GAN系統(tǒng)學(xué)習(xí)模仿這些變化，而不是學(xué)習(xí)新知識。Nvidia的新系統(tǒng)利用了新的數(shù)據(jù)增強方法，但是以自適應(yīng)方式進行了使用。在整個訓(xùn)練過程中，選擇性地應(yīng)用而不是扭曲現(xiàn)有圖像，從而避免了樣本與統(tǒng)計模型過于兼容的情況。

Nvidia可以幫助實現(xiàn)比其新的AI培訓(xùn)方法所預(yù)期的更有意義和重要的成果。有關(guān)新系統(tǒng)的詳細信息將在正在進行的NeurIPS 2020會議上共享。