Generativno nasprotniško omrežje (GAN) sestavljata dve nevronski mreži, ki se učita druga proti drugi: generator ustvarja umetne podatke, na primer slike, diskriminator pa jih poskuša ločiti od pravih. S tem tekmovanjem so rezultati vse bolj realistični. GAN-i so bili predstavljeni leta 2014 in so oblikovali ustvarjanje slik, preden so se razširili difuzijski modeli; uporabljajo se na primer za sintetične učne podatke ali izboljšavo slik.
Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.
Začni predstavitevFréchetova razdalja Inception (Fréchet inception distance, FID) je merilo za ocenjevanje kakovosti slik, ustvarjenih z UI. Prave in ustvarjene slike se spustijo skozi vnaprej naučeno mrežo za prepoznavanje slik (Inception v3), nato se primerjajo statistične porazdelitve njihovih značilnosti. Nižja ko je vrednost, bližje so ustvarjene slike pravim fotografijam po realističnosti in raznolikosti. FID je bil predstavljen leta 2017 in je standard za primerjavo generatorjev slik.
Deepfake je slika, videoposnetek ali zvočni posnetek, ustvarjen ali spremenjen z UI, ki prepričljivo prikazuje resnične osebe, kako govorijo ali počnejo stvari, ki se niso nikoli zgodile. Poleg zakonite uporabe v filmu ali sinhronizaciji se deepfake uporablja za dezinformacije, škodo ugledu in goljufije – na primer lažne klice navideznega vodje, ki zahteva nakazilo. Zaščita vključuje povratne klice po znanih kanalih, jasne postopke odobritve in označevanje vsebin, ustvarjenih z UI.
Sintetični podatki so ustvarjeni umetno in ne zbrani v resničnem svetu, vendar posnemajo vzorce in lastnosti resničnih podatkov. Pomagajo, kadar so pravi podatki redki, dragi ali občutljivi z vidika varstva podatkov – na primer za testiranje programske opreme, učenje modelov ali preverjanje klepetalnega robota z realističnimi vzorčnimi poizvedbami. Pomembno je, da dovolj natančno odražajo resničnost in ne omogočajo sklepanja o resničnih osebah.
Generativna UI označuje sisteme UI, ki ustvarjajo novo vsebino – besedilo, slike, zvok, videoposnetke ali programsko kodo – namesto da bi obstoječe podatke le razvrščali ali ocenjevali. Temeljijo na modelih, ki se iz velikih količin podatkov naučijo vzorcev in jih uporabijo za ustvarjanje verjetnih novih izpisov. V poslu se uporablja na primer za osnutke e-poštnih sporočil, povzetkov, opisov izdelkov ali zamisli za slike. Rezultati lahko vsebujejo napake, zato jih je treba pred uporabo preveriti.
