Η δημιουργία ενός εικονικού ψηφιακού περιβάλλοντος είναι μια διαδικασία που κανονικά απαιτεί χρόνο, όπως γνωρίζουν ειδικά όσοι ασχολούνται με ηλεκτρονικά παιχνίδια. Η κάθε λεπτομέρεια απαιτεί ειδική επεξεργασία και ισχυρά τσιπ γραφικών, που επεξεργάζονται 3D σχήματα, φωτισμό, textures κλπ. Παιχνίδια με γραφικά αιχμής απαιτούν «στρατούς» από developers που δουλεύουν για χρόνια. Ωστόσο, αυτό πλέον ίσως να μη χρειάζεται, χάρη σε έναν ισχυρό νέο αλγόριθμο τεχνητής νοημοσύνης, που μπορεί να παράγει φωτορεαλιστικές λεπτομέρειες μιας σκηνής επί τόπου.
Όπως αναφέρει το ΜΙΤ News, το λογισμικό αυτό, που δημιουργήθηκε από τη Nvidia, δε θα διευκολύνει απλά τη ζωή των software developers, μα μπορεί να χρησιμοποιηθεί για την αυτόματη δημιουργία εικονικών περιβαλλόντων για εικονική πραγματικότητα ή για εκπαίδευση αυτόνομων οχημάτων και ρομπότ.
«Μπορούμε να δημιουργήσουμε νέα σκίτσα που δεν έχουν ειδωθεί ποτέ και να κάνουμε render αυτά» είπε ο Μπράιαν Καταντζάρο, αντιπρόεδρος εφαρμοσμένου deep learning στη Nvidia. «Βασικά διδάσκουμε το μοντέλο πώς να ζωγραφίζει με βάση πραγματικό βίντεο» ανέφερε.
Οι ερευνητές της Nvidia χρησιμοποίησαν μια στάνταρ προσέγγιση machine learning για την ταυτοποίηση διαφορετικών αντικειμένων σε μια σκηνή βίντεο: Αυτοκίνητα, δέντρα, κτήρια κ.ο.κ. Μετά χρησιμοποίησαν κάτι που είναι γνωστό ως GAN (generative adversarial network) για να «εκπαιδεύσουν» έναν υπολογιστή να συμπληρώνει ρεαλιστικές 3D εικόνες. Από εκεί και πέρα, το σύστημα μπορεί να λάβει το περίγραμμα μιας σκηνής, που θα δείχνει πού βρίσκονται διαφορετικά αντικείμενα, και να συμπληρώνει τις λεπτομέρειες.
Σύμφωνα με τον Καταντζάρο, η τεχνική αυτή θα μπορούσε να διευκολύνει τα πράγματα στον χώρο του game design: Πέρα από το rendering ολόκληρων σκηνών, αυτή η μέθοδος θα μπορούσε να χρησιμοποιηθεί για την εισαγωγή πραγματικών προσώπων σε ηλεκτρονικά παιχνίδια, μέσω τροφοδοσίας του συστήματος με ολιγόλεπτα βίντεό τους από τον πραγματικό κόσμο. Επίσης, ο ίδιος υπογραμμίζει τα πλεονεκτήματα που θα σήμαινε για την εικονική πραγματικότητα (δημιουργία ρεαλιστικών περιβαλλόνων) ή την παροχή συνθετικών εκπαιδευτικών δεδομένων για αυτόνομα οχήματα ή ρομπότ.
