NVIDIA开发了一种用于训练生成对抗网络(GAN)的新方法，有朝一日可以使它们适合于更多任务。在开始NVIDIA的工作之前，先了解一下GAN的工作原理会有所帮助。每个GAN都由两个相互竞争的神经网络组成：生成器和鉴别器。

在算法的目标是创建新图像的情况下，后者是检查数千个样本图像的过程。然后，它将使用该数据来“指导”其对应对象。为了创建始终如一的可信结果，传统GAN需要在50,000到100,000范围内的某个训练图像。如果数量太少，它们往往会遇到称为过拟合的问题。在这些情况下，鉴别器没有足够的基础来有效地指导生成器。

过去，AI研究人员试图解决此问题的一种方法是使用一种称为数据增强的方法。再次以图像算法为例，在没有太多材料需要处理的情况下，他们将尝试通过创建可用图像的“失真”副本来解决该问题。在这种情况下，变形可能意味着裁剪图像，旋转图像或翻转图像。这里的想法是网络永远不会看到相同的完全相同的图像两次。

这种方法的问题在于，这将导致GAN会学会模仿这些失真，而不是创建新的东西。NVIDIA的新的自适应鉴别器增强(ADA)方法仍然使用数据增强，但是自适应地使用。它不会在整个训练过程中扭曲图像，而是有选择地，恰到好处地进行操作，以便GAN避免过拟合。

NVIDIA方法的潜在结果比您想象的要有意义。训练AI编写新的基于文本的冒险游戏很容易，因为算法需要使用很多材料。对于许多其他任务，研究人员可能会向GAN寻求帮助，但情况并非如此。例如，精确地训练算法以发现罕见的神经性脑部疾病非常困难，因为它非常稀有。但是，经过NVIDIA ADA方法培训的GAN可以解决该问题。另外，医生和研究人员可以根据AI而不是现实世界中的患者创建的图像进行工作，从而更轻松地分享他们的发现。NVIDIA将在即将举行的NeurIPS会议上分享有关其新ADA方法的更多信息。