AI将成为造假帮凶?NVIDIA利用人工智能轻松偷天换日

　　在日常生活中我们经常通过软件更快捷的处理一些影音图像，创造出许多原本并不存在的画面，而加上AI（人工智能）的帮助，我们不化妆靠手机拍照，软件就可以帮我们把照片里的我们的面容变得气色极佳，毫无瑕疵。不过现在AI在影像内容的应用恐怕比这要厉害更多！

　　NVIDIA的研究人员通过训练AI将影片进行夸张的后期处理。例如将一段在积雪中开车的影像变成在晴空下开车。

　　再或是把白天的影片变成雨夜，甚至能把一段关于猫的影片变成一段关于狮子的影片。

　　根据研究人员的白皮书，这些影片的处理对于AI来说是一种上色的过程，这就像是小朋友拿到着色本之后帮图案补上颜色一样，当然真正的实践起来还是比较复杂的，但这基本都是让AI自己去学习如何为照片和影片上色，倘若今后这些技术应用在我们日常生活中的自拍里，相信未来网友与网友之间的信任将不复存在（虽然现在已经没有多少信任度了，笑）

　　看到这可能有些看官就不明白AI与宏的区别了，这里再为大家区分一下二者的差异在哪。

　　宏

　　计算机科学里的宏，是一种批量处理的称谓。一般说来，宏是一种规则或模式，或称语法替换 ，用于说明某一特定输入（通常是字符串）如何根据预定义的规则转换成对应的输出（通常也是字符串)。这种替换在预编译时进行，称作宏展开。

　　用简单浅显的话来说，宏的运作就像我们先用机器做一件事，接下来你要重复做这件事的时候，机器就会用一模一样的动作去处理这件事。

　　所以宏常用在我们需要重复处理大量东西的时候，他能化繁为简，高效高质量的完成任务。在这个过程中，宏不会思考这件事该怎么做，而是像鹦鹉学舌那样处理任务，AI的运作与这就可大不相同了。

　　人工智能

　　人工智能是软件和硬件结合的结果，一台人工智能设备可以模仿人类的行为，像人一样执行任务。从根源上看，配备人工智能的机器会模仿人类的思维过程，它会去思考该如何去处理任务，比起宏，它处理事情的过程中多了逻辑思维，而不仅仅是依样画葫芦。

　　语音识别，物体识别，面部识别(包括动态滤镜)等都是人工智能的应用。然而这些功能是如何实现的？其主要途径是机器学习。

　　机器学习

　　机器学习是人工智能的其中一种形式，它强调“学习”——一台机器使用复杂的算法来分析事物的大量的数据，并识别数据中的模式，根据此做出一个情况预测，不需要人在机器的软件中编写任何特定的指令。且在程序处理任务发生错误之后，系统的模式识别会随着时间的推移而不断改进，它会像人一样从错误中吸取教训并纠正且提升自己。

　　通过机器学习，一个系统可以从自身的错误中学习来提高它的模式识别能力。

　　深度学习

　　深度学习是机器学习里更深层次的一个内容，它能推动计算机智能取得长足进步。它用大量的数据和计算能力来模拟深度神经网络。从本质上说，这些网络就是在模仿人类大脑的连通性，它对数据集进行分类，并发现它们之间的关联。如果有新学习的知识(无需人工干预)，机器就可以将其见解应用于其他数据集。机器处理的数据越多，它的预测就越准确。

　　例如，一台深度学习的设备可以检查大数据——比如通过水果的颜色、形状、大小、成熟时间和产地——来准确判断一个苹果是不是青苹果，一个橙子是不是血橙。

　　通过深度学习，机器可以处理大量数据，识别复杂的模式，并提出深入的见解。

　　NVIDIA最近刚投资三家数据科学公司（BlazingDB， Graphistry， H2O.ai，见*注释）以帮助提升其自身在人工智能领域的发展。看来开发人工智能已经逐渐成为许多公司的一个发展趋势，当人工智能技术发展成熟时，相信我们生活一定会变得更加快捷，但我们应对此保留意见，因为这也许会有很多意想不到的弊端。

　　*注释

　　BlazingDB使用GPU来加速解析大量数据的过程。该公司构建了一个GPU加速的SQL分析引擎，用于分析已经在企业组织中实施的数据。

　　Graphistry是一家视觉分析数据公司，他们通过将GPU与可视化工具相结合，Graphistry简化了数据调查，采用GPU加速视觉分析和GPU云技术，为开发人员和分析师提高数据规模和可靠性。

　　开源的AI平台H2O.ai为企业和开发人员提供一个加速的机器学习引擎来提高AI的使用效率。