ایرانیان جهان - انویدیا نسخه‌ی جدید فناوری بهبود کیفیت تصویر مبتنی بر هوش مصنوعی خود موسوم به DLSS 2.0 را معرفی کرد که قابلیت‌های متنوعی به کاربران عرضه می‌کند.

کنفرانس سالانه‌ی انویدیا موسوم به GPU Technology Conferebce به‌خاطر شیوع ویروس کرونا به تعویق افتاد و کاربران و کارشناسان دنیای گرافیک، رونمایی‌ها و اطلاع‌رسانی‌های مهم این شرکت را از دست دادند. بااین‌حال ظاهرا غول دنیای پردازش گرافیکی اخباری را برای شگفت‌زده کردن کاربران در دوران کنونی کنار گذاشته است. آن‌ها رونمایی جدیدی مرتبط با دنیای بازی انجام دادند که علاقه‌مندان را بیش‌ازپیش به پلتفرم خود جذب کنند. انویدیا فناوری جدید DLSS 2.0 را معرفی کرد که به‌عنوان یک به‌روزرسانی بزرگ و مهم در کاربردهای بهبود کیفیت تصویر مبتنی بر هوش مصنوعی ( AI -ipscaling) کاربرد زیادی دارد. مقاله‌های مرتبط:
پشتیبانی از رهگیری پرتو مبتنی بر Nvidia RTX به Vulkan API افزوده شد نتایج بنچمارک پردازنده‌ های گرافیکی جدید انویدیا فاش شد
انویدیا که بیش از همیشه فشار رقابت را ازسوی بازیگران بزرگ دنیای پردازش گرافیکی احساس می‌کند، محدودیت‌های فناوری خود را نیز برای توسعه‌های آتی در نظر دارد. آن‌ها در آخرین نسخه از فناوری بهبود کیفیت تصویر خود، به‌نوعی یک بازنگری کامل در ساختارها انجام داده‌اند. اگرچه شرکت هنوز در فناوری‌های بهبود کیفیت تصویر مبتنی بر هوش مصنوعی، در مراحل پایه‌ای توسعه قرار دارد، DLSS 2.0 را نمی‌توان یک فناوری صرفا upscaler دانست. درواقع تیم سبز در جدیدترین دستاورد خود، فناوری‌ مذکور را با حذف پلگی (Anti-aliaisng) موقتی ترکیب می‌کند. شرکت سازنده ادعا می‌کند که ترکیب فناوری‌ها، کیفیت تصویر بیشتری را نسبت به DLSS 1.0 به‌همراه دارد. به‌علاوه با بهینه‌سازی‌های انجام‌شده، فناوری بهبوددهی کیفیت، ادغام سریع‌تری با بازی‌ها خواهد داشت. فناوری DLSS (مخفف Deep Learning Super Sampling) در زمان معرفی نسل تورینگ پردازنده‌های انویدیا (سری GeForce RTX 20) در پاییز 2018 معرفی شد. DLSS درواقع اولین تلاش انویدیا برای استفاده از تجربه‌ی عظیم برنامه‌نویسی و سخت‌افزارهای مبتنی بر هوش مصنوعی در دنیای گیمینگ بود. پردازنده‌های گرافیکی سری تورینگ، همگی از هسته‌های تنسور استفاده می‌کردند، درنتیجه بهترین کاربرد از آن‌ها، بهره‌گیری از هوش مصنوعی برای افزایش کیفیت تصویر در بازی‌های ویدئویی بود. به‌هرحال بهترین رویکرد این بود که هسته‌های تنسور برای کاربردهای مبتنی بر هوش مصنوعی استفاده شوند و کیفیت بازی‌ها، هرچه بیشتر افزایش یابد، چون در آن زمان به‌مرور نمایشگرهای 4K هم با شدت بیشتری وارد بازار می‌شدند.

قابلیت‌های DLSS 2.0
اگرچه DLSS 1.0 تلاش‌هایی جدی در مسیر بهینه‌سازی کیفیت با هوش مصنوعی را نشان می‌داد، اما اشکال‌های زیادی هم داشت. انویدیا امروز به اشتباهات در نسخه‌ی اول اعتراف می‌کند و می‌گوید کار کردن با آن دشوار بوده است. درواقع DLSS 1.0 به اشتباه براساس این فرضیه توسعه یافت که بازی‌های ویدئویی، مفاهیمی قطعی هستند و هر اتفاقی در آن‌ها در شرایط از پیش تعیین‌شده رخ می‌دهد. در دنیای واقعی، بازی‌ها طبیعت ثابت و قابل پیش‌بینی دارند. حتی اگر شخصیت‌های مبتنی بر هوش مصنوعی، همیشه یک کار ثابت را انجام دهند، بخش‌های دیگر مانند ذره‌های موجود در صحنه، عملکرد متفاوتی خواهند داشت. درنتیجه‌ی همین عدم ثبات، آموزش DLSS 1.0 دشواری‌های زیادی داشت. انویدیا برای رفع چالش‌های DLSS در نسخه‌ی دوم، رویکرد جدیدی را در پیش گرفت. آن‌ها به‌جای عملکرد مبتنی بر شبکه‌ی عصبی منحصربه‌فرد در هر بازی، یک شبکه‌ی عصبی عمومی توسعه و آن را تا حداکثر ممکن بهبود دادند. برای جبران عدم دسترسی به داده‌ی کافی از هر بازی هم اطلاعات بردارهای حرکتی (Motion Vector) از هر بازی دریافت می‌شود. این اطلاعات، از جنبه‌های پایه‌ای ضد پلگی در هر بازی هستند. نتیجه‌ی نهایی این است که DLSS 2.0 رویکردی بیشتر شبیه به راهکارهای بهبود کیفیت موقت دارد. چنین رویکردی باعث می‌شود که نسخه‌ی جدید فناوری در برخی موارد عملکرد هوشمندانه‌تر و در برخی موارد کندتر نشان دهد.

بزرگ‌ترین تغییر در نسخه‌ی دوم DLSS را می‌توان شبکه‌ی عصبی عمومی دانست. انویدیا با هدف ازبین‌بردن چالش آموزش شبکه‌ی عصبی در هر بازی و مشکلات متعددی که بازی‌ها با طبیعت غیر قابل پیش‌بینی ایجاد می‌کردند، یک شبکه‌ی عصبی واحد برای همه‌ی آن‌ها توسعه داد. این شبکه‌ی عصبی جدید، به‌جای آموزش دیدن براساس داده‌ی بازی‌های منحصربه‌فرد، به‌کمک مجموعه‌ی داده‌ی کاملا مصنوعی آموزش می‌بیند؛ درنتیجه عملکردی کاملا قابل پیش‌بینی خواهد داشت. درنهایت انویدیا می‌تواند شبکه را راحت‌تر آموزش دهد. انویدیا همچنین ادعا می‌کند که این شبکه‌ی عصبی، سریع‌تر روی پردازنده‌ی گرافیکی اجرا می‌شود. شبکه‌ی عصبی عمومی علاوه بر ازبین‌بردن چالش‌های بالا، گزینه‌های بهبود کیفیت با رزولوشن‌های متنوع‌تری در اختیار توسعه‌دهنده‌ها قرار می‌دهد. انویدیا اکنون می‌تواند رزولوشن فریم‌ها را تا چهار برابر (مثلا از 1080p به 4K) بهبود دهد. چنین قابلیت‌هایی باعث می‌شود تا DLSS 2.0 در شرایط و کاربردهای متنوع‌تر و بیشتری به‌کار گرفته شود. فراموش نکنید که DLSS 1.0 تنها بهبود رزولوشن را تا دوبرابر انجام می‌داد. انعطاف‌پذیری در نسخه‌ی جدید فناوری به این معنا است که انویدیا، بهبود کیفیت را در مودهای گوناگونی در DLSS جدید ارائه می‌کند. مودهای جدید به‌نام‌های Performance و Balanced و Quality ارائه می‌شوند.

معرفی DLSS 2.0 در رسانه‌ها، بیشتر شبیه به تبلیغاتی جدید برای انویدیا به‌نظر می‌رسد. اگرچه جزئیات فناوری و منابع توسعه‌ای آن اخیرا معرفی و عرضه شدند، اما شرکت از مدت‌ها پیش آن را به توسعه‌دهنده‌ها ارائه کرده بود. هر دو بازی Deliver Us the Moon و Wolfenstein: Youngblood با فناوری DLSS 2.0 عرضه شده‌اند. اکنون انویدیا از فناوری که در چند بازی آزمایش خود را پس داد، رضایت کافی دارد و آن را برای توسعه‌دهنده‌ها و گیمرهای متعدد عرضه کرد. آن‌ها همچنین DLSS 2.0 را در Unreal Engine 4 هم اغام کرده‌اند. علاوه بر بازی‌های بالا، عناوینی همچون Control و MechWarrior 5 نیز به‌روزرسانی DLSS 2.0 را دریافت خواهند کرد. نتایج استفاده از فناوری در بازی کنترل، بیش از همه جذاب خواهد بود. این بازی تنها عنوانی بود که از DLSS 1.x هم بهره می‌برد و درنتیجه می‌توان بهبود کیفیت تصویر را در نسخه‌ی جدید، به‌خوبی در آن مقایسه کرد. حتی انویدیا هم برای نشان دادن برخی از بهینه‌سازی‌های گرافیکی، از تصاویر بازی کنترل استفاده می‌کند. انویدیا در بخش کارایی و قدرت فناوری، نتایجی مشابه و نزدیک به DLSS 1.0 را عنوان می‌کند. باتوجه به اعداد منتشرشده، مود Quality احتمالا سرعتی کمی کمتر از DLSS 1.0 در بازی‌هایی همچون کنترل خواهد داشت، اما در مقایسه‌ی کلی، حالت Quality و رزولوشن حاصل از آن، سرعت بهتری در بازی‌هایی با رزولوشن پایه خواهد داشت. البته در مجموع کیفیت تصویر بهتر از DLSS 1.0 خواهد بود. همان‌طور که گفته شد، DLSS 2.0 به‌محض معرفی در دسترس توسعه‌دهنده‌ها قرار دارد و به‌روزرسانی برای بازی‌های مذکور نیز در هفته‌ی جاری عرضه خواهد شد. اگر انویدیا در ارائه‌ی ادعاهای خود موفق باشد، قطعا بازی‌های بیشتری با فناوری DLSS 2.0 عرضه خواهند شد.