韓國科學技術院開發出一款生成對抗網路（ - 工程師

韓國科學技術院開發出一款生成對抗網路（GAN）處理器

https://bit.ly/2Xx6ZG1

韓國科學技術院（KAIST）已經成功開發出一種低功耗，高效率且處理生成對抗網路（GAN
）的AI晶片，稱之為生成對抗網路處理器（GAN Processing Unit）。

這種AI晶片能夠在行動基礎上快速處理繪圖合成和修補所需的算術運算。更重要的是，該
單晶片能夠以低功耗和高效率實現影像辨識、推理、學習和決策，未來可望成為許多行動
裝置中的AI晶片解決方案。

GAN可以定義透過AI技術產生偽造數據的深度學習網路，以及可以透過競爭學習模式區分
哪一些是偽造數據的深度學習網路。但是現今該技術可能會導致人們難以區分哪一種是偽
造數據，因為其已經應用於Deepfake，而且日益成為問題之所在。

現有的AI技術已經可用於辨別物體、推理、語音辨識、臉部辨識等。另一方面，卻也能夠
採用具備生成和再生影像的GAN，以廣泛用於影像轉換，合成和修補以及各種在行動方面
的應用。如今，各個產業和學術領域都非常關注該技術的多樣化功能性。

基本上，GAN這種新型網路是由多個深度神經網路組成，這與現有的深度學習網路不同，
因此，提高運行速度並不容易，甚至在高解析度影像的情況下更需要大量運算能力來驅動
。這意味著在運作能力和可用記憶體容量有限的行動裝置（例如：智慧型手機）上，不能
僅僅通過軟體來實現網路。

既然如此，開發出具備GAN能力的AI晶片就變得很重要。現在根據韓國科學技術院研究團
隊宣布，所開發的AI晶片的特點能夠在行動基礎上進行學習，同時能夠處理GAN等多列深
度神經網路以及單個深度神經網路。簡單來說，該晶片能夠在行動裝置中自行學習GAN，
而無需將數據傳輸到伺服器端。

該團隊通過該AI晶片成功建立了臉部校正系統，讓AI能夠修補出最接近真實情況的影像。
根據其透過平板電腦拍攝的多張相片之中，該系統針對頭髮，眼鏡，眉毛等有關的17種特
徵行進自動添加或修補，這對於未來行動裝置的在拍攝性能上有很大提升的作用。

還有，微軟與北京大學也正在合作開發利用GAN的Deepfake檢測器，期望能夠在GAN風潮下
，強化深度學習能力。

--