Generativna suparnička mreža (GAN) sastoji se od dviju neuronskih mreža koje se treniraju jedna protiv druge: generator stvara umjetne podatke poput slika, a diskriminator ih pokušava razlikovati od stvarnih. Tim natjecanjem rezultati postaju sve realističniji. GAN-ovi su predstavljeni 2014. i oblikovali su generiranje slika prije šire primjene difuzijskih modela; koriste se, primjerice, za sintetičke podatke za treniranje ili poboljšanje slika.
Agenti, tijekovi rada i predlošci u jednom radnom prostoru – besplatna demo verzija na 24 sata.
Pokrenite demoFréchetova udaljenost inception (FID) metrika je za procjenu kvalitete slika generiranih UI-jem. Stvarne i generirane slike propuštaju se kroz unaprijed treniranu mrežu za prepoznavanje slika (Inception v3) i uspoređuju se statističke distribucije njihovih obilježja. Što je vrijednost niža, to su generirane slike bliže stvarnim fotografijama po realističnosti i raznolikosti. FID je predstavljen 2017. i standard je za usporedbu generatora slika.
Deepfake je slika, videozapis ili audiozapis stvoren ili izmijenjen pomoću UI-ja koji uvjerljivo prikazuje stvarne osobe kako govore ili čine nešto što se nikada nije dogodilo. Uz legitimnu uporabu u filmu ili sinkronizaciji, deepfakeovi se koriste za dezinformiranje, nanošenje štete ugledu i prijevare – primjerice lažni pozivi navodnog nadređenog koji traži bankovni prijenos. Zaštita uključuje povratne pozive putem poznatih kanala, jasne procese odobravanja i označavanje sadržaja generiranog UI-jem.
Sintetički podaci generiraju se umjetno, a ne prikupljaju u stvarnom svijetu, ali oponašaju uzorke i svojstva stvarnih podataka. Pomažu kada su pravi podaci rijetki, skupi ili osjetljivi s gledišta zaštite podataka – primjerice za testiranje softvera, treniranje modela ili provjeru chatbota realističnim primjerima upita. Važno je da dovoljno vjerno odražavaju stvarnost i da ne omogućuju zaključivanje o stvarnim osobama.
Generativna UI odnosi se na UI sustave koji stvaraju novi sadržaj – tekst, slike, zvuk, video ili programski kod – umjesto da samo razvrstavaju ili ocjenjuju postojeće podatke. Temelje se na modelima koji iz velikih količina podataka uče obrasce i koriste ih za izradu uvjerljivih novih izlaza. U poslovanju se koristi, primjerice, za izradu nacrta e-poruka, sažetaka, opisa proizvoda ili ideja za slike. Rezultati mogu sadržavati pogreške i treba ih provjeriti prije uporabe.
