2
本文作者: 羅比 | 2015-06-22 22:34 |
Facebook和Google正在創(chuàng)建巨大的神經(jīng)網(wǎng)絡——人造大腦,它能識別數(shù)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(chuàng)建圖像。
Facebook在本周五透露,他們正在教這些神經(jīng)網(wǎng)絡自動創(chuàng)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?!澳P涂梢宰R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”,F(xiàn)acebook人工智能研究員Rob Fergus說道,“它可以理解圖像是如何構成的?!?/p>
同時,Google的科學家則走向另外一個極端,他們利用神經(jīng)網(wǎng)絡將真實的相片轉變成有趣的虛幻相片?!斑@將會形成一個反饋循環(huán):如果一朵云看起來就像一只小鳥,那么這個網(wǎng)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(huán),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(jīng)網(wǎng)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(wǎng)絡實際上是怎么學習的?!?/p>
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(tǒng)用了兩個神經(jīng)網(wǎng)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(chǎn)生一個相當現(xiàn)實的圖像。
根據(jù)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(jiān)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(tǒng)依然需要一些監(jiān)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(jīng)網(wǎng)絡的行為。
神經(jīng)網(wǎng)絡由很多層人工神經(jīng)元組成,它們互相協(xié)作,雖然這些神經(jīng)元能非常順利地執(zhí)行某些任務,但是我們不明白其中的工作原理?!吧窠?jīng)網(wǎng)絡的挑戰(zhàn)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(jīng)網(wǎng)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(wǎng)絡放大它在圖像中的一些發(fā)現(xiàn),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(wǎng)絡所看到的東西。這項技術能幫助研究人員了解神經(jīng)網(wǎng)絡如何執(zhí)行不同難度的任務,有助于提高網(wǎng)絡體系結構,并檢查網(wǎng)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(wǎng)原創(chuàng)文章,未經(jīng)授權禁止轉載。詳情見轉載須知。