ARTIFICIAL INTELIGENT atau AI saat ini sudah pintar dan semakin membaik dalam belajar untuk memperbaiki sitemnya.
Salah satu AI yang memiliki kemampuan baru saat ini adalah AI yang bekerja karena input dari sketsa palsu dimana sketsa ini dibuat dari contoh yang dibuat dari nol (from scratch).
Komputer pintar dengan AI ini dapat membuat sketsa contoh dari nol kemudian memperbaiki sketsa itu menjadi foto gambar muka orang yang lebih baik dan kemudian ditampilkan diperbaiki bertahap hingga menjadi detail. Pembuatan ini dituliskan dalam paper yang dibuat oleh NVIDIA.
Muka orang yang detail tersebut adalah palsu, muka orang yang ditampilkan sebagai hasil akhir adalah muka yang tidak ada. Muka yang dibuat komputer dan bukan foto orang.
Contoh dari hasil sketsa dari nol kemudian render diperbaiki hingga menjadi foto (seperti) muka manusia sebetulnya muka tersebut tidak ada pemiliknya, murni dari komputer.
Dapat dibayangkan jika muka palsu digabung dengan berita palsu maka dampaknya akan menakjubkan. Orang mudah percaya.
Hail luar biasa ini didasarkan kepada suatu algoritma yang diusulkan oleh pihak NVIDIA yang disebut dengan A Style-Based Generator Architecture for Generative Adversarial Networks.
We propose an alternative generator architecture for generative adversarial networks, borrowing from style transfer literature.
The new architecture leads to an automatically learned, unsupervised separation of high-level attributes (e.g., pose and identity when trained on human faces) and stochastic variation in the generated images (e.g., freckles, hair), and it enables intuitive, scale-specific control of the synthesis.
The new generator improves the state-of-the-art in terms of traditional distribution quality metrics, leads to demonstrably better interpolation properties, and also better disentangles the latent factors of variation. To quantify interpolation quality and disentanglement, we propose two new, automated methods that are applicable to any generator architecture. Finally, we introduce a new, highly varied and high-quality dataset of human faces.
Sistem ini akan mampu membuat bentuk grafis dari muka (karena dilatih untuk mengenal pola, bentuk dan atribut/kelengkapan umum dari muka manusia secara umum seperti rambutnya, garis muka, skala dari setiap bagian dan sejenisnya).
Sistem ini sesudah mempelajari bentuk grafis dari muka maka dapat membuat interpolasi (perubahan antara input satu dan lain) untuk kemudian membuat hasil bentukan berbeda dari input awal tetapi juga hasilnya realistis.
Jika tidak percaya maka dapat dilihat pada gambar kedua dibawah, komputer bisa disebut dalam seketika mampu membuat foto gambar muka orang berbeda dan halus terlihat nyata dalam hitungan mili-detik.
Bagaimana cara mencoba bahwa sistem ini benar jalan dan bagus? Mudah, kunjungi situs pada link berikut ini dan tinggal dilakukan re-fresh halaman browser tersebut maka setiap saat muncul muka aneh nyata.
Jika tertarik memperbaiki paper tersebut (A Style-Based Generator Architecture for Generative Adversarial Networks - 6 Februari 2019) dapat mengunjungi situs tempat paper ini dimana berada di link ini.