?

Facebook的神經(jīng)網(wǎng)絡(luò)可以生成看似非常真實(shí)的圖像

?

FACEBOOK和谷歌正在建造巨大的神經(jīng)網(wǎng)絡(luò)－這些人造大腦可以馬上識別人臉，汽車，建筑和數(shù)碼照片里面的其他物體，但它們能做的還不止這些。

?

他們可以識別口語，將一種語言翻譯成另一種；它們還能識別廣告，或教機(jī)器人把螺釘帽放到瓶子里。如果你把這些大腦完全顛倒，你不僅可以教他們識別圖像，還可以以相當(dāng)有趣（但有時令人不安）的方式描繪圖像。

?

Facebook曾透露，他們正在訓(xùn)練其神經(jīng)網(wǎng)絡(luò)自動描繪含有飛機(jī)、汽車、和動物等物體的小圖像，有大概40%的機(jī)率，這些圖像可以讓我們以為它們是真實(shí)的?！斑@個模型可以區(qū)分你會用愿意用手機(jī)拍下來的圖像和其他不自然的圖像－比如你的電視上的白色雪花，或某種抽象藝術(shù)圖像，”Facebook的人工智能研究員Fergus說。“它理解圖像組成的結(jié)構(gòu)”(見上圖)。

?

與此同時,谷歌的研究員已經(jīng)把事情推到了另一個極端－他們使用神經(jīng)網(wǎng)絡(luò)將真實(shí)的照片變成虛幻但有趣的圖像。他們訓(xùn)練機(jī)器在照片中尋找常見的模式，加強(qiáng)這些模式，然后用相同的圖像重復(fù)這個過程。“這將創(chuàng)建一個反饋循環(huán)：如果一個云看起來有點(diǎn)像一只鳥，我們的神經(jīng)網(wǎng)絡(luò)會讓它看起來更像一只鳥，”谷歌在一篇博客文章中解釋這個項(xiàng)目?！岸?dāng)被修改的圖像再次通過網(wǎng)絡(luò)，網(wǎng)絡(luò)能更確切地識別出圖像中的‘鳥’，到最后，一幅鳥的圖像就像憑空地出現(xiàn)了。”這個過程的結(jié)果是一種機(jī)器生成的抽象藝術(shù)(見下文)。

谷歌的神經(jīng)網(wǎng)絡(luò)可以在地平線上看到塔的粗略輪廓，然后增強(qiáng)輪廓線條，直到出現(xiàn)完整的圖像

?

?

在某種程度上，這些只是賣弄的花招－特別是谷歌的引起幻覺重現(xiàn)的反饋回路，而且值得注意的是，Facebook的假圖片只有64＊64像素。但在另一種程度上，這些項(xiàng)目可以用于優(yōu)化神經(jīng)網(wǎng)絡(luò)，讓它們接近類似于人類。一家叫做Dextro的計(jì)算機(jī)視覺公司的首席執(zhí)行官David Luan說：“這項(xiàng)工作有助于更好地形象化了我們的網(wǎng)絡(luò)是怎么學(xué)習(xí)的?！?/span>

?

這些成果也有點(diǎn)令人不安。不僅僅是因?yàn)楣雀璧膱D像生成像是服用了過量的致幻劑，像鳥和駱駝，或蝸牛和豬（見下文）的雜交育種，更有甚者，它們讓我們看到了一個機(jī)器能用一種我們不能意識到的方式控制我們的所觀所聽的世界－一個真實(shí)與虛幻交織在一起的世界。

GOOGLE

?

?

再次被欺騙

?

Fergus和Facebook的其他兩名研究人員在學(xué)術(shù)文檔庫arXiv.org發(fā)表論文，介紹圖像生成模型－他們和與紐約大學(xué)庫朗數(shù)學(xué)科學(xué)研究所的博士生一起完成的成果。該系統(tǒng)使用了兩個神經(jīng)網(wǎng)絡(luò)，讓它們互相競爭。一個網(wǎng)絡(luò)被用于識別自然圖像，另一個盡可能地去欺騙第一個。

?

Yann LeCun－Facebook人工智能實(shí)驗(yàn)室的負(fù)責(zé)人，稱這種為對抗訓(xùn)練?！八鼈兓ハ啾荣?，”他在談?wù)撨@兩個網(wǎng)絡(luò)時說道，“一個試圖欺騙另一個，另一個在盡力不被欺騙?！苯Y(jié)果就是一個系統(tǒng)產(chǎn)出了十分逼真的圖像。

?

LeCun和Fergus認(rèn)為， 這個成果可以用于將已經(jīng)退化的圖片還原成真實(shí)的圖片?！澳憧梢园岩粋€圖像恢復(fù)成自然圖像，”Fergus說。但他們認(rèn)為，更重要的是，系統(tǒng)可以向 “無監(jiān)督的機(jī)器學(xué)習(xí)”邁一步，換句話說，這個成果可以幫助機(jī)器在沒有人類研究者提供明確的指導(dǎo)的前提下學(xué)習(xí)。

?

最終，LeCun說，只要有一組使用“沒有標(biāo)記的”示例圖像，你就可以用這個模型訓(xùn)練圖像識別系統(tǒng)—這意味著人類不需要一幅幅的瀏覽訓(xùn)練用的圖像，辨別出圖像里有什么并用文字加以說明?！?strong>機(jī)器可以在不知道圖像內(nèi)容的前提下學(xué)習(xí)圖像的結(jié)構(gòu)”他說。

?

Luan指出當(dāng)前系統(tǒng)仍然需要一些監(jiān)督。但他稱Facebook的論文為“優(yōu)雅的工作”，他相信，它可以像谷歌正在做的工作一樣，幫助我們理解神經(jīng)網(wǎng)絡(luò)的行為。

?

層中層

?

Facebook和Google創(chuàng)造的神經(jīng)網(wǎng)絡(luò)由許多層的神經(jīng)元組成，他們每一個都和其他神經(jīng)元協(xié)同工作。雖然這些神經(jīng)元執(zhí)行某些任務(wù)非常好，我們不太明白背后的原因是什么?！把芯可窠?jīng)網(wǎng)絡(luò)的挑戰(zhàn)之一是理解每一層在發(fā)生什么”，谷歌在其博客上說（他們拒絕進(jìn)一步討論其圖像生成工作）。

GOOGLE

?

?

谷歌解釋道，通過將神經(jīng)網(wǎng)絡(luò)顛倒過來和教它們生成圖像，他們可以更好地了解神經(jīng)網(wǎng)絡(luò)的運(yùn)作方式。谷歌要求其網(wǎng)絡(luò)放大它在圖像內(nèi)發(fā)現(xiàn)的東西。有時候，他們只是放大一個形狀的邊緣。其他時候，他們放大更復(fù)雜的東西，比如在地平線的一座塔的輪廓，在樹上的一座建筑，或隨機(jī)的噪聲(見上圖)。但在每種情況下，研究人員都可以更好地了解這個網(wǎng)絡(luò)正在看到的是什么。

?

“這種技術(shù)給我們提供了一種定性的感覺，幫助我們理解神經(jīng)網(wǎng)絡(luò)的每一層抽象在它理解圖像的過程中扮演什么角色”，谷歌表示。它幫助研究人員“形象化神經(jīng)網(wǎng)絡(luò)是如何能夠執(zhí)行困難的分類任務(wù)，優(yōu)化網(wǎng)絡(luò)體系結(jié)構(gòu)和檢查這個網(wǎng)絡(luò)在訓(xùn)練期間學(xué)會了什么。”

?

另外，像Facebook的工作那樣，這個成果有點(diǎn)酷，有點(diǎn)奇怪，也有點(diǎn)可怕。貌似，計(jì)算機(jī)越能好的識別圖像，對我們來說就越不利。

?

PS：文章翻譯自《Facebook’s New AI Can Paint, But Google’s Knows How to Party》，首發(fā)于雷鋒網(wǎng)，轉(zhuǎn)載請注明。

?

您也可以關(guān)注我們的官方微信公眾號（ID：ctoutiao），給您更多好看的內(nèi)容。