Pascal Gilcher在接受WCCF采访时指出，尽管DLSS 5在技术上表现出色，但缺乏可控性和美感，更像是“AI垃圾”。这种技术需要用大量游戏截图和网上抓取的照片来训练，最终可能会生成带有Instagram风格的结果。他认为机器学习在这种情况下更像是在黑暗中摸索，毫无优雅可言。 相比之下，Denis Dyack对DLSS 5持更加悲观的态度。他觉得这个技术的出现可能会给3A游戏带来灾难。因为DLSS 5不仅可能缩小3A游戏与独立游戏的视觉差距，还会改变游戏的艺术方向。他认为3A游戏行业现在的困境已经很深了，而DLSS 5可能会加速这个行业的消亡。 2019年5月首次发布RTGI之后，Pascal Gilcher就为ReShade创建了第一个也是公认最好的RTGI着色器。随着这项技术的发展，它被用于增强老式PC游戏的画面效果。最后英伟达把它给GeForce Experience Freestyle图形滤镜套件里加了进去。 英伟达发布DLSS 5多天后，外媒WCCF就一直在收集开发者和MOD社区对这项技术的反应。在3月19日和3月20日这两天里，WCCF采访了两位知名人士：Pascal Gilcher和Denis Dyack。 从2019年5月起经过多次迭代，RTGI着色器已经可以让老式PC游戏具备屏幕空间光线追踪效果了。它最终变得非常受欢迎。 Pascal Gilcher在这次采访中承认DLSS 5有实力，但不认同它的发展路线。他觉得现在对AI的发展感到乏味。尽管他有ML开发经验还有扎实的数学背景，在这个领域还是感觉像在黑暗中摸索。 Pascal Gilcher提到训练DLSS 5需要用生成对抗网络（GAN）。他们需要海量的游戏截图还有互联网上的真实照片来训练模型。最终模型能区分真实图像和伪造图像后就可以把游戏截图转换成照片级真实图像了。 Pascal Gilcher猜测这种技术的工作方式大概是先训练一个大型模型来区分真假图像。然后再训练一个小模型来一对一转换游戏截图为真实图像。这个阶段目标只是获得成对的真假数据数据。 最后再基于这些结果蒸馏出一个小模型用常规方式学习把不真实转换成真实图像的结果也是为了欺骗第一个模型使其不能分辨出来才行呢。 Pascal Gilcher在这次采访中提到他认为很多AI模型无法被完全驯服导致生成错误的人脸之类问题都是因为缺乏“先验数据”。 他说这种技术确实令人印象深刻但是在很大程度上我也认同“AI垃圾”这种说法怀疑它们目前的工作方式是否真能避免产生错误的结果比如人脸之类问题这样他们就可以产出侵入性结果而又不显得侵入性太强了呢？ 这两位受访者都对AI的发展方向表示失望而且感觉现在很多科技发展都缺乏优雅感和美感都是在用大量计算力从不同角度去硬砸问题结果反而让人觉得很糟糕呢？