让电脑想象如果一个阳光明媚的街道在下雨、下雪、甚至是漆黑一片会是什么样子。 　　据The Verge 消息，美国计算机图形硬件厂商英伟达近日发布了一组对比视频。这个视频原版是加州公路在阳光明媚的天气中路况，但经过AI处理后，视频中道路两旁铺满了雪，一些树木也只剩下光秃秃的树干。 　　除了改变天气，英伟达的图像技术还能从稀薄的空气中生造出人的形象，把白天变成黑夜等。 　　英伟达方面表示，这项图像技术开始是为提供多种模拟环境来训练自动驾驶汽车的。加州天气以晴天居多，良好的能见度很适合自动驾驶汽车行驶，但当它遇到一点雨或雪时会发生什么呢？ 　　人们可以等到雷雨天才出去训练驾驶汽车，但很难从晴天等到下雪天（或者说从夏天等到冬天）。对此，英伟达提出了这项解决方案，让电脑想象如果一个阳光明媚的街道在下雨、下雪、甚至是漆黑一片会是什么样子。 　　这个方案是基于一种叫GAN（生成的对抗性网络）的人工智能技术，它常用于生成可视化数据。GAN的工作原理是将两个独立的神经网络结合起来——一个是制造数据模型（G），另一个是判断数据模型（D）。 　　以制造一张高仿真的猫图片为例。生成数据模型 G 的目标就是尽量生成逼真的图片去欺骗判断数据模型D。GAN一般的工作逻辑是给 G 一系列猫的图片，来训练它生成一张全新的逼真的猫图，而后 D 负责把 G状态下，G 可以生成足以“以假乱真”的图片，这样，我们的目的也就达成了。 生成的图片和真实的图片分别开来，这样，G 和 D 就构成了一个循环的“博弈”。最后博弈的结果是什么？在最理想的状态下，G 可以生成足以“以假乱真”的图片，这样人们的目的就达成了。 　　值得注意的是，英伟达的这项研究相对于现有的 GAN 有一个优势：它能更好地进行无监督学习。一般来说，人们需要标记数据集来生成数据（即 D）。英伟达的研究员 Ming-Yu Liu 解释道，这意味着，如果你要制作一个把白天的场景变成夜晚场景的 GAN，那么你就需要在同一位置分别拍摄足够多的照片。而后，G 才可能研究两者的区别来生成新的图片。 　　但英伟达在没有标记数据集的情况下也能够产生类似结果，具体实现方式英伟达未透露。 　　这项技术既可用于自动驾驶汽车，但英伟达相信它还可以有更多的应用场景。“比如图像编辑等” ，Ming-Yu Liu 说，“我们正在为我们的产品团队和客户提供这项技术”。 　　但这项 AI 生造技术也引发了人们对AI被用来制造虚假图像的担忧，《连线》杂志的 Oli Franklin-Wallis 说：人工智能最大的受害者或许不是失去工作的人，而是所有人对自己所看到或听到的任何事情很难再彻底信任。