近日，在蒙特利爾舉行的神經信息處理系統大會(NeurIPS)上，英偉達在一篇題為“視頻到視頻合成（“Video-to-Video Synthesis” ）”的技術論文中闡述了其最新AI成果。

據透露，英偉達最新研發的這項成果，是可以渲染合成交互式3D環境的AI技術。在創建逼真的3D環境時，英偉達研發團隊不再使用傳統的圖形技術，而是使用神經網絡 ，特別是“生成模型”，通過來自如YouTube等來源的真實視頻，進行模型訓練，最終構建逼真的3D虛擬世界。

英偉達研發團隊之所以使用“生成模型”來提高輸出的準確性，是由于這種模型要求機器必須有效地內化數據的本質，它也因此被廣泛認為是促進機器“理解”大量數據之間關系的最有前途的方法之一。

但是，像所有神經網絡一樣，使用這個模型也需要訓練數據。幸運的是，英偉達研發團隊將AI模型應用于街景，通過自動駕駛項目采集到的大量視頻數據，確保了其關于城市街道上行駛車輛的訓練鏡頭，再以分段網絡識別不同的對象類別，如地面，樹木，汽車，天空，建筑物等，開發算法以了解每個對象與其他對象的關系，最終，這些模型創建了城市環境的基本拓撲結構，然后AI再從基于從訓練數據中學到的東西，模擬世界外觀，包括照明，材料和動態等，由此生成幾乎是還原性的高逼真3D環境。

“由于場景是完全合成生成的，因此可以輕松編輯以刪除，修改或添加對象”英偉達表示。

在論文中，英偉達研發團隊得出的結論是：“我們提出了一種基于條件生成對抗網絡（GAN）的通用視頻到視頻合成框架：通過精心設計的發生器、鑒別器網絡以及時空對抗物鏡，我們可以合成高分辨率、照片級真實、時間一致的視頻，大量實驗表明，我們的結果明顯優于最先進方法的結果。”

不得不承認，迄今為止，AI已經是人類最強有力的創新“加速器”，它讓人類的能力得以延展，并逐漸變得更加強大。我們都能看到，在全世界范圍內，數以萬計的科學家們都在為AI技術的前沿突破做出努力，除了英偉達之外，不論是像Google、Facebook這樣的海外巨頭，還是類似國內曠視科技、極鏈科技這樣的AI科技公司，都致力于全力研發產出能像人一樣思考的AI技術。今天，曠視科技已經實現AI識別人臉對象中的各種特征，極鏈科技已經實現AI理解海量視頻的場景表達，而未來，AI必然不僅是會讓機器“知其然”，還要做到讓它“知其所以然”，以最終實現推動整個AI進入“深度智能”的偉大愿景。