人工智能現在可以作畫了

Facebook和Google正在創建巨大的神經網絡——人造大腦，它能識別數碼相片里面的人臉、汽車、建筑物和其他對象，但它并不是只能做這些事。它還能識別口語，將一種語言翻譯成另一種語言，識別廣告以及教機器人擰螺絲。如果你把這些大腦顛倒過來，你不僅可以教它們識別圖像，你還可以用有趣的方式教它們創建圖像。

Facebook在本周五透露，他們正在教這些神經網絡自動創建一些小圖像，例如飛機、汽車和動物，這些圖像極具迷惑性，人們看了之后，會覺得這是真實的。“模型可以識別一些不自然的圖像，比如電視上的白色噪點，或一些抽象的藝術圖像，或是你相機上的圖像”，Facebook人工智能研究員Rob Fergus說道，“它可以理解圖像是如何構成的。”

同時，Google的科學家則走向另外一個極端，他們利用神經網絡將真實的相片轉變成有趣的虛幻相片。“這將會形成一個反饋循環：如果一朵云看起來就像一只小鳥，那么這個網絡就會讓它看起來更像一只鳥”，Google在一個博客中闡述了這個項目。

從某種程度上，這些其實都是一些小把戲，特別是Google的反饋循環，它只是引起人們的幻覺。還有Facebook的假圖片，其實只有64x64像素。但從另一個層面上，這些項目也是一種改善神經網絡的方法。計算機視覺公司Dextro的CEO David Luan說，“這個項目能讓我們更好地了解我們的網絡實際上是怎么學習的。”

Fergus和另外兩位Facebook研究員透露了他們的“圖像生成模式”，這個系統用了兩個神經網絡，一個用來識別自然圖像，而另一個用來“愚弄”對方，前者得不斷地檢測是否被后者愚弄，它們互相反饋，最終能產生一個相當現實的圖像。

根據Fergus介紹，這個項目可以用來修復一些老化的真實照片，另外，該項目讓所謂的“無監督機器學習”向前邁進了一步，換句話說，即使沒有研究人員提供明確的指導，它也可以幫助機器學習。

“不過當前系統依然需要一些監督”，Luan說道，但他相信Facebook的論文“neat          work”以及Google研究人員正在做的工作，可以幫助我們了解神經網絡的行為。

神經網絡由很多層人工神經元組成，它們互相協作，雖然這些神經元能非常順利地執行某些任務，但是我們不明白其中的工作原理。“神經網絡的挑戰之一，是精確地了解每一層是如何運作的”，Google在其博客中說道，但該公司沒有進一步討論其圖像生成工作的原理。

Google解釋道，把神經網絡顛倒過來，然后使它們生成圖像，這樣就可以更好地理解它們的運作方式了。Google要求其網絡放大它在圖像中的一些發現，有時只是放大一個圖形的邊緣，有時候放大一些更復雜的東西，例如一座塔在地平面的輪廓，一棵樹的枝干。在每種情況下，研究人員都能很好地了解這個網絡所看到的東西。這項技術能幫助研究人員了解神經網絡如何執行不同難度的任務，有助于提高網絡體系結構，并檢查網絡在訓練中所學到的東西。

另外，像Facebook的工作，這有點酷，有點奇怪，甚至有點可怕。

總的來說，想讓計算機能更好地識別什么是真實的，我們還得付出更多的努力。

via wired

關注腦洞微信號（hackmind），帶你領略更多前沿技術

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。