第(2/3)页

    好莱坞那边的大电影，外人知道的比较少，但森夏身边的人还是知道一点的。

    其实很多时候，神经网络的目的不是替代真人进行工作，而是为了减少人们重复性劳作。

    至于神经网络本身的话，就是一个需要深度学习的“机器人”。

    绫奈刚刚说的“大量训练”，就是指的此处的学习数据。数据的输入端是计算机计算出的一个脏点云，输出端是经过人工处理后，计算机计算得到的一个规则网格——这都是来自于计算机计算的结果的，而不来源于实采数据。

    通过这种方式，AI可以逐渐了解人们是如何工作的，然后他们本身也可以来进行“模仿”。

    这种感觉，如果硬要找一个的原型的话，就相当于自家的小猫小狗耳濡目染之下也学会了主人的一些生活习性类似，然后，这些小猫小狗就仿照着主人去行动，这就是深度学习了。

    当然，此处卷积神经网络是无法本质上降低制作成本的，因为它无论是训练数据，还是最后的应用，都是从一套十分昂贵的系统中来的。换个角度说，如果没有这套昂贵的系统而只有这个神经元网络，那基本等于没有。

    在另外一条世界线，就有一种上色和换脸的软件。这类软件，都是需要使用者在机器开始工作之前，先用数千张照片让AI进行训练，最后让机器知道，什么样的构图需要上什么颜色和换什么脸。

    曾经就有一位仁兄，给自己的暗恋对象拍摄了很多照片，然后训练自己的AI，然后让AI将爱情动作类影片中的女演员换成对方的模样。

    然后……

    然后这货就开始怀疑人生了。

    这种主动把绿色的帽子往自己脑袋上戴的人，当真是世所罕见。

    “如果能够让终端的成本降低，或许也不错……”

    而对于森夏来说，总体成本不降低其实也无所谓。

    森夏这边所需要的，单纯地研发成本其实无所谓。他比较在乎的是终端的成本。

    如果通过这种方法，可以让玩家们、还有软件开发商们本身的成本大幅度降低的话，这自然是更值得的。

    更何况，训练好的模型，成本是固定的。也就是说，卖的越多，成本越低。

    绫奈也是知道这一点，所以才说出了这个神经网络的。

    当然，关键还是这个“训练”过程。

    抠图最难的是抠细节，让一个PS高手来抠一个原图，和抠一个经过算法粗抠的图，所要花费的时间没啥区别，这就是因为细节才是最繁复的地方，能够决定一切成败。只有经过训练的AI才能够详细的进行这方面的工作。

    举个例子，例如用月亮的照片训练一个AI，然后将一个灯泡交给AI，这个AI就能够将灯泡给优化成月亮……

    嗯，这就是深度学习的一个范例。

    “这方面我能做的有限，不过可以给你一些建议和方向。哦，当然，这只是我个人的心得，用不用是你自己的事。”

    “不能帮忙完善吗？”森夏问。

    “没空。”绫奈摇了摇头，“又是偶像活动，又是给动画配音，像今天这样的休假日，其实也挺难得的。”
    第(2/3)页