英伟达的研究人员称人工智能模型的训练速度越来越快 数据量也越来越少

上周日发表的一篇博客文章称，英伟达的研究人员发现，通过使用生成式对抗网络(GANs)，可以显著减少训练人工智能(AI)模型所需的时间和数据量。

在会议和研讨会的神经信息处理系统(少量)本周在长滩,CA, NVIDIA研究员刘Ming-Yu将一篇论文演示无监督学习和生成建模可以使机器能够更“想象力”,创造一个冷淡的场景如何看起来像夏天,例如。

研究人员让其中一名甘人拍摄了一张冬季的照片，照片上有阴云密布的天空、光秃秃的树木和覆盖在地面上的积雪。第二个GAN只接受了一般的训练来了解夏天是什么样子的，可以看到这个特定的冬天的图像，并确定它在夏天会是什么样子。

NVIDIA医疗保健副总裁金伯利·鲍威尔在帖子中写道，该团队开发的无监督学习消除了在夏天捕捉完全相同的冬季图像并对数据进行标记的需要，这将花费大量的时间和人力。

“在无监督学习中使用GANs并不是什么新鲜事，但英伟达的研究取得了成果——在部分多云的天空下，阴影从浓密的树叶中隐约可见——远远领先于以往任何发现，”鲍威尔写道。

鲍威尔指出，使用这种技术可以在许多领域产生效益。“除了需要更少的标记数据和相关的时间和精力来创建和吸收它，深度学习专家可以跨领域应用这项技术，”她写道。“单就自动驾驶汽车而言，可以捕捉一次训练数据，然后在各种虚拟条件下进行模拟:晴天、多云、下雪、下雨、夜间等等。”

英伟达最近在推进人工智能方面采取了多项举措。上周，该公司宣布与通用电气医疗(GE Healthcare)合作，推出一系列使用人工智能改善病人护理和数据收集的新医疗产品。该公司最近还发布了世界上第一台人工智能电脑，旨在2018年年中之前驱动全自动汽车。

1. 在本周的神经信息处理系统会议和研讨会上发表的一篇论文中，英伟达的研究人员发现，通过使用GANs，可以显著减少训练人工智能模型所需的时间和数据。

2. 研究人员让其中一名甘人拍摄了一张冬季的照片，照片上有阴云密布的天空、光秃秃的树木和覆盖在地面上的积雪。第二个GAN只接受了一般的训练来了解夏天是什么样子的，可以看到这个特定的冬天的图像，并确定它在夏天会是什么样子。

3.这项技术可以使人工智能模型在许多领域受益，包括自动驾驶汽车。