سمیرا گلکار
رکت NVIDIA یک روش جدید برای آموزش دادن شبکه‌های مولد تخاصمی (Generative Adversarial Networks یا به اختصار GAN) ایجاد کرده که می‌تواند کاربرد این فناوری را به طور قابل ملاحظه‌ای گسترش دهد. قبل از پرداختن به توضیحات این روش جدید، لازم است در ابتدا کمی با طرز کار شبکه‌های مولد تخاصمی آشنایی پیدا کنید. هر شبکه مولد تخاصمی از دو شبکه عصبی رقیب تشکیل شده که یکی از آنها مولد و دیگری تمایزگر است.
در شبکه مولدی که هدف الگوریتم ایجاد تصاویر جدید باشد، کار تمایزگر بررسی هزاران تصویر نمونه است و بعد از این اطلاعات برای هدایت و راهنمایی شبکه مولد استفاده می‌کند. معمولاً شبکه‌های مولد تخاصمی برای ایجاد نتایج قابل قبول نیاز به 50 تا 100 هزار تصویر آموزشی دارند و در صورت کم بودن این تصاویر آموزشی به مشکلاتی مثل «بیش برازش» دچار می‌شوند. در چنین مواقعی، تمایزگر پایه و اساس لازم برای هدایت کردن مولد را ندارد.
یکی از روش‌های قبلی مورد استفاده محققان هوش مصنوعی برای حل این مشکل، استفاده از روشی موسوم به افزودن داده‌ها است. برای مثال در الگوریتم‌های تشخیص تصویر، در مواقعی که تعداد نمونه‌های کافی وجود نداشته باشد، سعی می‌شود یک کپی «تحریف شده» از داده‌های موجود ایجاد شود. تحریف در اینجا می‌تواند شامل برش دادن عکس، چرخاندن یا وارونه کردن آن باشد. هدف این است که شبکه عصبی هیچ وقت یک تصویر را دو بار مشاهده نکند.
مشکل اینجاست که در چنین مواقعی ممکن است شبکه مولد تخاصمی به جای کار مورد نظر، نحوه تقلید این تحریف‌ها را آموزش ببیند. در روش جدید NVIDIA به نام روش «تطبیقی جدید برای اضافه کردن داده‌های تمایزگر» باز هم از روش اضافه کردن داده‌های جدید استفاده می‌شود اما به صورت تطبیق پذیر. یعنی به جای تحریف تصاویر در کل فرایند آموزش، این کار فقط به صورت انتخابی و به اندازه‌ای انجام می‌شود که از بروز مشکل بیش برازش جلوگیری کند.
روش پیشنهادی NVIDIA می‌تواند نتایج بسیار مهمی داشته باشد. آموزش دادن دادن هوش مصنوعی برای نوشتن یک بازی ماجراجویی جدید مبتنی بر متن، کار ساده‌ای است چون مطالب آموزشی زیادی برای چنین الگوریتمی در دست است. اما امکان انجام این کار برای هر حوزه‌ای وجود ندارد. مثلاً آموزش دادن یک الگوریتم برای تشخیص یک اختلال مغزی عصبی نادر دقیقاً به دلیل نادر بودن چنین اختلالی کار بسیار سختی است.اما حالا شبکه مولد تخاصمی که با روش جدید NVIDIA آموزش دیده باشد می‌تواند این مشکل را حل کند. بعلاوه حالا پزشکان و متخصصان می‌توانند یافته‌های خودشان را راحت تر با هم به اشتراک بگذارند چون بر اساس تصاویر تولید شده توسط هوش مصنوعی کار می‌کنند نه داده‌های بیماران واقعی. قرار است NVIDIA در کنفرانس یادگیری ماشینی NeurIPS که از ششم دسامبر شروع می‌شود نتایج این تحقیقات را اعلام کند.
