Facebook和Google的神经网络王国:真实与虚幻交织的世界

2016-07-29 12:32:52     作者:tuputech      来源:雷锋网

一个机器能用一种我们不能意识到的方式控制我们的所观所听的世界——一个真实与虚幻交织在一起的世界。

雷锋网按:本文由图普科技工程师翻译自《Facebook’s New AI Can Paint, But Google’s Knows How to Party》。雷锋网独家文章。

  

Facebook的神经网络可以生成看似非常真实的图像

Facebook和Google正在建造巨大的神经网络——这些人造大脑可以马上识别人脸,汽车,建筑和数码照片里面的其他物体,但它们能做的还不止这些。

他们可以识别口语,将一种语言翻译成另一种;它们还能识别广告,或教机器人把螺钉帽放到瓶子里。如果你把这些大脑完全颠倒,你不仅可以教他们识别图像,还可以以相当有趣(但有时令人不安)的方式描绘图像。

Facebook曾透露,他们正在训练其神经网络自动描绘含有飞机、汽车、和动物等物体的小图像,有大概40%的机率,这些图像可以让我们以为它们是真实的。“这个模型可以区分你会用愿意用手机拍下来的图像和其他不自然的图像——比如你的电视上的白色雪花,或某种抽象艺术图像,”Facebook的人工智能研究员Fergus说。“它理解图像组成的结构”(如上图)。

与此同时,Google的研究员已经把事情推到了另一个极端——他们使用神经网络将真实的照片变成虚幻但有趣的图像。他们训练机器在照片中寻找常见的模式,加强这些模式,然后用相同的图像重复这个过程。“这将创建一个反馈循环:如果一个云看起来有点像一只鸟,我们的神经网络会让它看起来更像一只鸟,”Google在一篇博客文章中解释这个项目。“而当被修改的图像再次通过网络,网络能更确切地识别出图像中的‘鸟’,到最后,一幅鸟的图像就好像是凭空地出现了。”这个过程的结果是一种机器生成的抽象艺术(见下文)。

Google的神经网络可以在地平线上看到塔的粗略轮廓,然后增强轮廓线条,直到出现完整的图像。

在某种程度上,这些只是卖弄的花招——特别是Google的引起幻觉重现的反馈回路。而且值得注意的是,Facebook的假图片只有64*64像素。但在另一种程度上,这些项目可以用于优化神经网络,让它们接近类似于人类。一家叫做Dextro的计算机视觉公司的首席执行官David Luan说:“这项工作有助于更好地形象化了我们的网络是怎么学习的。”

这些成果也有点令人不安。不仅仅是因为Google的图像生成像是服用了过量的致幻剂,像鸟和骆驼,或蜗牛和猪(见下文)的杂交育种,更有甚者,它们让我们看到了一个机器能用一种我们不能意识到的方式控制我们的所观所听的世界——一个真实与虚幻交织在一起的世界

 

GOOGLE

再次被欺骗 

Fergus和Facebook的其他两名研究人员在学术文档库arXiv.org发表论文,介绍图像生成模型——他们和与纽约大学库朗数学科学研究所的博士生一起完成的成果。该系统使用了两个神经网络,让它们互相竞争。一个网络被用于识别自然图像,另一个尽可能地去欺骗第一个。

Yann LeCun是Facebook人工智能实验室的负责人,他称这种为对抗训练。“它们互相比赛,”他在谈论这两个网络时说道,“一个试图欺骗另一个,另一个在尽力不被欺骗。”结果就是一个系统产出了十分逼真的图像。

LeCun和Fergus认为, 这个成果可以用于将已经退化的图片还原成真实的图片。“你可以把一个图像恢复成自然图像,”Fergus说。但他们认为,更重要的是,系统可以向 “无监督的机器学习”迈一步,换句话说,这个成果可以帮助机器在没有人类研究者提供明确的指导的前提下学习。

最终,LeCun说,只要有一组使用“没有标记的”示例图像,你就可以用这个模型训练图像识别系统—这意味着人类不需要一幅幅的浏览训练用的图像,辨别出图像里有什么并用文字加以说明。“机器可以在不知道图像内容的前提下学习图像的结构”他说。

Luan指出当前系统仍然需要一些监督。但他称Facebook的论文为“优雅的工作”,他相信,它可以像Google正在做的工作一样,帮助我们理解神经网络的行为。

层中层

Facebook和Google创造的神经网络由许多层的神经元组成,他们每一个都和其他神经元协同工作。虽然这些神经元执行某些任务非常好,我们不太明白背后的原因是什么。“研究神经网络的挑战之一是理解每一层在发生什么”,Google在其博客上这样说(他们拒绝进一步讨论其图像生成工作)。

GOOGLE

Google解释道,通过将神经网络颠倒过来和教它们生成图像,他们可以更好地了解神经网络的运作方式。Google要求其网络放大它在图像内发现的东西。有时候,他们只是放大一个形状的边缘。其他时候,他们放大更复杂的东西,比如在地平线的一座塔的轮廓,在树上的一座建筑,或随机的噪声(见上图)。但在每种情况下,研究人员都可以更好地了解这个网络正在看到的是什么。

Google表示“这种技术给我们提供了一种定性的感觉,帮助我们理解神经网络的每一层抽象在它理解图像的过程中扮演什么角色”。它帮助研究人员“形象化神经网络是如何能够执行困难的分类任务,优化网络体系结构和检查这个网络在训练期间学会了什么。”

另外,像Facebook的工作那样,这个成果有点酷,有点奇怪,也有点可怕。貌似,计算机越能好的识别图像,对我们来说就越不利。

雷锋网(搜索“雷锋网”公众号关注)注:雷锋网独家文章,转载请联系授权并标注出处和作者,不得删减内容。

返回沙发首页  
沙发管家微信
扫描关注沙发管家微信 QQ群: 沙发网官方群 微博:

资讯评论

亲,你需要登录后才能进行评论喔!

还没有评论,快来抢沙发吧!

提示

热门设备安装方法 查看更多>>

最新设备

智能电视 / 盒子评测

安装指南

应用

热门专题