英伟达宣布了其用于培训人工智能系统的新方法。这种新方法可用于发电机反向网络（GAN）培训中，它将使这些系统能够执行更多任务。在这一点上，值得注意的是，每个GAN系统中有两个不同的神经网络，即生成和排序。
当该算法旨在创建新的视觉效果时，分类网络将检查数千个图像。然后，他使用找到的数据训练相对的生产者网络。为了产生一致且可信的结果，GAN系统需要50到10万个训练图像。如果样本数量不足，那么解析器将无法访问必要的资源来训练生产者网络。
过去，人工智能研究人员使用一种称为数据增强的方法来规避此问题。在这种方法中，以图像算法为例，如果材料不足，则复制现有材料。在复制期间，会对原始图像进行更改，并且系统可能会看到不同的图像。
这种方法可能导致GAN系统学习模仿这些变化，而不是学习新知识。Nvidia的新系统利用了新的数据增强方法，但是以自适应方式进行了使用。在整个训练过程中，选择性地应用而不是扭曲现有图像，从而避免了样本与统计模型过于兼容的情况。
Nvidia可以帮助实现比其新的AI培训方法所预期的更有意义和重要的成果。有关新系统的详细信息将在正在进行的NeurIPS 2020会议上共享。
