摄影师在人工智能竞赛中与机器较量并获胜

2024-06-16 10:52

本文主要是介绍摄影师在人工智能竞赛中与机器较量并获胜,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

摄影师在人工智能竞赛中与机器较量并获胜

在这里插入图片描述

自从生成式人工智能出现以来,由来已久的人机大战显然呈现出一边倒的态势。但是有一位摄影师,一心想证明用人眼拍摄的照片是有道理的,他向算法驱动的竞争对手发起了挑战,并取得了胜利。

迈尔斯·费特尔德颠覆了人工生成图片争夺人类摄影奖项的想法,他将自己的人造图像弗拉明戈(Flamingone)提交给了一项享有声望的比赛的人工智能类别。

这张引人注目的照片——两只多节的腿上站着一个粉红色的羽毛球——说服了评审团,授予他1839年奖“人工智能生成”类别的第三名。

38岁的他说,在大量人工智能生成的图片赢得传统摄影比赛后,他有了打破规则的动机。“我突然想到,我可以把这个故事从里到外颠倒过来,只有人类才能做到,也会这样做,把一张真实的照片提交给人工智能比赛。

“当然,我特意选择了一张超现实到令人难以置信的照片,这很容易被归因于人工智能在发挥作用。”

在缺乏人工智能参与的情况变得明朗后不久,特朗普被剥夺了奖项——该奖项带有现金奖——而另外两位创作者获得了铜奖和人民选择奖。

“人工智能已经可以制作出令人难以置信的逼真内容,如果这些内容得到了毫无疑问的关注,你就可以很容易地欺骗所有观众。”

“到目前为止,我们从来没有太多理由质疑照片、视频和音频的真实性。这在一夜之间发生了变化,我们需要适应这一点。质疑从来没有像现在这样重要。这是一项个人责任,比标记和标记人工智能内容更为重要。”

比赛组织者在一份声明中表示,《迷失》传达了“强有力的信息”,但这张照片的参赛仍然是不公平的。“每个类别都有参赛者必须满足的不同标准。他提交的作品不符合人工智能生成图像类别的要求。我们理解这一点,但我们不想阻止其他艺术家在AI类别中获胜。我们希望这能给其他担心人工智能的摄影师带来意识(和希望的信息)。”

一年前,德国艺术家鲍里斯·埃尔达格森(Boris Eldagsen)凭借人工智能生成的图像赢得了索尼世界摄影奖,成为头条新闻。埃尔达格森为自己进入“创意开放”类别的决定进行了辩护,认为这是一件复杂的作品。他在2023年接受《卫报》采访时表示:“这个过程有很多步骤,不是输入三个词然后点击‘生成’就可以的。”

索尼的评委们坚持认为,他们一直都明白埃尔达格森的形象与人工智能有关,并表示,这是一个完全人工的一代,因此被取消了资格。“我们不再觉得我们能够与他进行有意义和建设性的对话,”评委们在一份声明中说。

对于《迷途万里》来说,困惑才是重点。他说:“如果流通中的假币数量持续增加,就很难辨别真假了。”“没有科技,我无法过我现在的生活,所以我不会妖魔化它,但我认为科技往往是一把双刃剑,既有可能带来好处,也有可能带来坏处。”

这篇关于摄影师在人工智能竞赛中与机器较量并获胜的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1066262

相关文章

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

【机器学习】高斯网络的基本概念和应用领域

引言 高斯网络(Gaussian Network)通常指的是一个概率图模型,其中所有的随机变量(或节点)都遵循高斯分布 文章目录 引言一、高斯网络(Gaussian Network)1.1 高斯过程(Gaussian Process)1.2 高斯混合模型(Gaussian Mixture Model)1.3 应用1.4 总结 二、高斯网络的应用2.1 机器学习2.2 统计学2.3

每日一题|牛客竞赛|四舍五入|字符串+贪心+模拟

每日一题|四舍五入 四舍五入 心有猛虎,细嗅蔷薇。你好朋友,这里是锅巴的C\C++学习笔记,常言道,不积跬步无以至千里,希望有朝一日我们积累的滴水可以击穿顽石。 四舍五入 题目: 牛牛发明了一种新的四舍五入应用于整数,对个位四舍五入,规则如下 12345->12350 12399->12400 输入描述: 输入一个整数n(0<=n<=109 ) 输出描述: 输出一个整数

基于人工智能的智能家居语音控制系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 随着物联网(IoT)和人工智能技术的发展,智能家居语音控制系统已经成为现代家庭的一部分。通过语音控制设备,用户可以轻松实现对灯光、空调、门锁等家电的控制,提升生活的便捷性和舒适性。本文将介绍如何构建一个基于人工智能的智能家居语音控制系统,包括环境准备

从希腊神话到好莱坞大片,人工智能的七大历史时期值得铭记

本文选自historyextra,机器之心编译出品,参与成员:Angulia、小樱、柒柒、孟婷 你可能听过「技术奇点」,即本世纪某个阶段将出现超级智能,那时,技术将会以人类难以想象的速度飞速发展。同样,黑洞也是一个奇点,在其上任何物理定律都不适用;因此,技术奇点也是超越未来理解范围的一点。 然而,在我们到达那个奇点之前(假设我们能到达),还存在另一个极大的不连续问题,我将它称之

✨机器学习笔记(二)—— 线性回归、代价函数、梯度下降

1️⃣线性回归(linear regression) f w , b ( x ) = w x + b f_{w,b}(x) = wx + b fw,b​(x)=wx+b 🎈A linear regression model predicting house prices: 如图是机器学习通过监督学习运用线性回归模型来预测房价的例子,当房屋大小为1250 f e e t 2 feet^

【机器学习-一-基础概念篇】

机器学习 定义分类算法 应用 定义 机器学习最早是被Arthur Samuel 提出的一个概念,指计算机无需明确编程即可学习的研究领域。1950年他发明的跳棋程序,这个人机对弈游戏让他的声名鹊起,机器学习这个概念才进入大众的是视线。 在这个跳棋程序里,他编程了一种算法,这个程序与Arthur下了数万次跳棋,计算机逐渐学会了下在哪里有更大的可能会赢得比赛,哪里会输,通过这种方法,最