Un’intelligenza artificiale ha svelato il vero volto della Gioconda

L’intelligenza artificiale, facendo ricorso ad una serie di programmi innovativi, ha mostrato al pubblico il vero volto della Gioconda. Il sistema usato prende il nome di “StyleGAN”, progettato e studiato per dare un volto reale e concreto anche alle tele dei quadri. L’intelligenza artificiale che è alla base di questa tecnologia basa il suo funzionamento su una “rete generativa avversaria”, nata e sviluppata da Nvidia nel 2018, con il lancio che è stato effettuato l’anno successivo. Ma StyleGAN ha già conosciuto un’evoluzione nella sua tecnologia, perché nel febbraio dell’anno scorso è stata rilasciata una seconda versione, StyleGAN2, in grado di apportare notevoli miglioramenti all’immagine e una diminuzione delle tempistiche di allenamento dell’algoritmo.

L’artista che, usando StyleGAN ha svelato il vero volto della Gioconda, si chiama Natan Shipley e ha diffuso un insieme di riproduzioni di volti di alcuni tra i quadri più noti, ottenuto grazie all’uso della tecnologia StyleGAN e del sistema di intelligenza artificiale che la caratterizza. E, così, il pubblico potrà ammirare il vero volto della Monna Lisa, ma anche di altri personaggi conosciuti e che appartengono al passato. Infatti, grazie al lavoro con StyleGAN, Nathan Shipley ha pubblicato sul suo seguitissimo profilo Instagram anche la riproduzione del volto, molto vicino al reale, dello scrittore inglese William Shakespeare, del primo presidente degli Stati Uniti d’America George Washington, del musicista Ludwig Van Beethoven, della regina d’Inghilterra e d’Irlanda Maria I, conosciuta anche come “Bloody Mary” o “Maria la Sanguinaria” e del celebre pittore Remembrant.

Consultando Google, è possibile approfondire le proprie conoscenze su StyleGAN. Con StyleGAN, arte e tecnologia si fondono e si confondono, riportando in vita, seppur in un frame immagine, il volto reale di personaggi del passato, che altrimenti resterebbero circoscritti ad un disegno. StyeGAN, infatti, produce immagini che l’occhio umano percepisce come reali. Questa tecnologia ha introdotto aspetti all’avanguardia, tra cui un’architettura in grado di restituire le immagini con una nitidezza ed una precisione senza pari, consentendo all’osservatore di cogliere anche i più piccoli dettagli. GAN crea immagini con una risoluzione pari a 1024 pixel. La GAN, acronimo di “Generative Adversarial Net(work)s”, rappresenta “un framework per la stima di modelli generativi attraverso un processo avversario, o antagonista, che prevede l’allenamento simultaneo di un modello Generativo(Generator, o G) e di un modello Discriminatorio (Discriminator, D)”. Il modello Generativo, “cattura la distribuzione originale, mentre quello Discriminatorio, stima la probabilità che un dato provenga dal dataset di training anziché da G”. Infine, le GAN vengono usate non solo nel settore della generazione di immagini, ma anche per la creazione automatica di testi.