|
選自Wired 作者：Cade Metz 機器之心編譯 參與：黃小天、蔣思源 著名物理學(xué)家、加州理工學(xué)院教授以及暢銷書作者理查德·費曼（ Richard Feynman）離開人世的那一天，其教室的黑板上寫著：「我不能創(chuàng)造的，我也不理解（What I cannot create, I do not understand）。」 當(dāng) Ian Goodfellow 解釋其在谷歌大腦正進(jìn)行的研究時，他引用了費曼的這一格言，但他指代的不是自己或者谷歌的任何員工，而是機器：「人工智能不能創(chuàng)造的，其也不理解（What an AI cannot create, it does not understand）?！?/span> Goodfellow 是當(dāng)今人工智能領(lǐng)域最重要的研究者之一，在 OpenAI （谷歌大腦的競爭者，由 Elon Musk 和 Sam Altman 聯(lián)合創(chuàng)建）短暫工作之后，他又重返谷歌，組建一個新的研究團隊探索「生成模型」，其可以創(chuàng)建圖片、聲音和真實世界的其他表征。 Goodfellow 同意費曼的觀點，認(rèn)為這一努力是實現(xiàn)所有人工智能的一條重要路徑。 Ian Goodfellow 說：「這會促進(jìn)人工智能學(xué)習(xí)真實存在的世界結(jié)構(gòu)?！?/span> 「如果人工智能對世界的想象包含真實細(xì)節(jié)，即懂得如何生成真實的圖像和聲音，這會促進(jìn)人工智能學(xué)習(xí)真實存在的世界結(jié)構(gòu)?！笹oodfellow 解釋說?！甘澜缃Y(jié)構(gòu)可以幫助人工智能理解其看到的圖像或聽到的聲音?！?/span> 2014 年 Goodfellow 還是蒙特利爾大學(xué)的一名博士生，在酒吧的一次醉酒爭論后，他就已在構(gòu)想著一種稱為「生成對抗網(wǎng)絡(luò)」或者 GAN 的人工智能技術(shù)。然而，醉酒帶來了靈感，這是一個十分優(yōu)雅的想法：第一個人工智能創(chuàng)造逼真圖像，第二個人工智能分析其結(jié)果，并確定這張圖像是真是假。Goodfellow 說：「你可以將此看作是一位藝術(shù)家（生成模型）和一位藝評家，藝術(shù)家想要愚弄藝評家，使其相信藝術(shù)家的生成的圖像是真的。」由于第二個人工智能在鑒別圖像真假上十分賣力，第一個人工智能可從其學(xué)到通過自學(xué)無法學(xué)到的方式來仿制逼真圖像。在這一過程中，這兩個神經(jīng)網(wǎng)絡(luò)不斷推動人工智能前進(jìn)直到有一天計算機可以脫離人類的指導(dǎo)而存在。 監(jiān)管 Facebook 整個人工智能研究的 Yann LeCun 說：「GAN 是近 20 年來深度學(xué)習(xí)領(lǐng)域誕生的最酷想法?！股疃葘W(xué)習(xí)是人工智能的一個分支，其改變了包括谷歌、微軟、亞馬遜以及 Facebook 在內(nèi)的所有互聯(lián)網(wǎng)巨頭的發(fā)展發(fā)向。Goodfellow 的想法仍然有待完善，但已快速擴展到整個人工智能領(lǐng)域。許多研究者，包括 LeCun，認(rèn)為他們可以通過它實現(xiàn)「無監(jiān)督學(xué)習(xí)」。即這一人工智能研究領(lǐng)域的偉大抱負(fù)：實現(xiàn)無需人類直接干預(yù)的機器學(xué)習(xí)。 步入正軌 Goodfellow 是在 Les 3 Brasseurs 酒吧（或者 The 3 Brewers）有了 GAN 的最初想法，當(dāng)時他的朋友 Razvan Pascanu （現(xiàn)在是DeepMind 的一名研究員）博士畢業(yè)， Goodfellow 和許多其他朋友為其送行。他們中的一個人正在描述一個新的研究項目，致力于從數(shù)學(xué)上界定照片中的一切，即把關(guān)于照片的統(tǒng)計學(xué)數(shù)據(jù)輸入到一臺機器從而使其自行創(chuàng)建圖片。Goodfellow 認(rèn)為有點詭異，說這永遠(yuǎn)不會奏效——因為有太多的統(tǒng)計學(xué)數(shù)據(jù)要考慮以至于沒有一個人可以全部記錄下來。但是在這時，他想到了一個更好的方法：神經(jīng)網(wǎng)絡(luò)可以教會機器如何創(chuàng)建真實的圖片。 神經(jīng)網(wǎng)絡(luò)是一個復(fù)雜的數(shù)學(xué)系統(tǒng)，其通過分析大量的數(shù)據(jù)以學(xué)習(xí)任務(wù)，比如圖片中的人臉識別和理解口頭語言。站在酒吧之中時， Goodfellow 想到，當(dāng)?shù)谝粋€神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)創(chuàng)建真實圖片時，第二個可以扮演敵手，鑒定這些被生成圖片的真?zhèn)?，并將其判斷回饋給第一個神經(jīng)網(wǎng)絡(luò)。通過這種方式，他說，可以最終教會第一個神經(jīng)網(wǎng)絡(luò)生成與真實圖像難以區(qū)分的偽造圖片。 Goodfellow 的朋友開始反駁，其也同樣堅持 Goodfellow 的方法并不奏效。所以當(dāng) Goodfellow 晚上回到家后，他構(gòu)建了 GAN。他還記得「回到家還是有點醉，我就坐在那思考朋友在酒吧說的是錯的！后來我徹夜未眠并在筆記本上編寫GAN?！笹oodfellow 說的這個代碼是第一次嘗試。他說：「我非常幸運，因為如果當(dāng)時這個模型失敗，也許就放棄了這一個想法?！?/span> 他和其他一些研究人員發(fā)表了一篇論文，描述那年晚些時候的思潮。隨后三年，其他數(shù)百篇論文探討了這一概念。在第一篇論文中，兩個神經(jīng)網(wǎng)絡(luò)就能產(chǎn)生可以生成手寫數(shù)字的逼真圖像系統(tǒng)?，F(xiàn)在，研究人員將這一概念應(yīng)用到從貓到火山再到整個星系等一切事物的圖像中。它甚至能協(xié)助天文實驗的開展和局部物理學(xué)的模擬。 但實現(xiàn)還是非常困難。因為這一系統(tǒng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)不是一個，而是同時訓(xùn)練兩個。在谷歌，當(dāng) Goodfellow 組建了一個聚焦于 GAN 及其相關(guān)研究的團隊時，希望精煉研究進(jìn)程。Goodfellow 說：“作為一名機器學(xué)習(xí)研究者，我所必須面對的是研究出十分可靠的訓(xùn)練方式?！?/span> 最后的結(jié)果：遠(yuǎn)遠(yuǎn)不只是生成圖片和聲音，還能識別圖像與聲音，這是一條實現(xiàn)優(yōu)秀系統(tǒng)的路徑——只需少量人類干預(yù)就能學(xué)習(xí)到更多知識。Goodfellow 說：“這些模型學(xué)習(xí)理解世界的結(jié)構(gòu)，并在沒有過多明確告知的情況下幫助系統(tǒng)學(xué)習(xí)?！?/span> GAN 甚至可以實現(xiàn)無監(jiān)督學(xué)習(xí)，這在今天并不真實存在。目前，神經(jīng)網(wǎng)絡(luò)能通過分析數(shù)百萬張貓的照片而識別出貓，但前提是人類必須在之前小心地區(qū)分圖像并為貓的照片做上標(biāo)注。實際上人類在識別過程中參與很多，這也經(jīng)常是一個難題，即這一問題是有偏見的還是在訓(xùn)練人工智能時確實需要人工干預(yù)。像 LeCun 那樣的研究者正努力推動無需大量人工干預(yù)就能學(xué)習(xí)的系統(tǒng)，這會加速人工智能的發(fā)展。 但這僅僅只是開端。GAN 同時還將帶來更多的可能性。南加利福尼亞大學(xué)的人工智能研究員 David Kale 認(rèn)為，這一想法可以幫助他及其研究同事在不侵犯患者隱私的情況下構(gòu)建健康醫(yī)療人工智能?；旧?，GAN 可以生成偽造（fake ）的健康醫(yī)療記錄。機器學(xué)習(xí)系統(tǒng)可以在這些偽造的數(shù)據(jù)而不是真實數(shù)據(jù)上進(jìn)行訓(xùn)練。Kale 說：“我們不能將患者數(shù)據(jù)放入到人人可用的網(wǎng)上，那么為什么我們不在偽造數(shù)據(jù)上訓(xùn)練 GAN，并創(chuàng)建一個完全合成的數(shù)據(jù)集再開放用于其它研究呢？通過這樣的方式，任何在合成數(shù)據(jù)集訓(xùn)練的模型與在原始數(shù)據(jù)訓(xùn)練的不會有什么區(qū)別，我們有什么理由不這樣做呢？” 雖然許多研究者在探索 GAN 背后的思想，但 Goodfellow 正打算在谷歌建立一個專門團隊。Goodfellow 是離開谷歌到OpenAI（該實驗室承諾與世界分享其研究）的研究者之一。但不到一年，他又回到了谷歌，因為他的合作者幾乎都在那里。Goodfellow 說：“在視頻通話中花費一天的時光并不有趣。這并不是完成工作的最佳方法?！?/span> 分享很重要，密切合作也是——不管是人工智能研究者還是神經(jīng)網(wǎng)絡(luò)。 原文地址：https://www./2017/04/googles-dueling-neural-networks-spar-get-smarter-no-humans-required/ 本文為機器之心編譯，轉(zhuǎn)載請聯(lián)系本公眾號獲得授權(quán)。 ------------------------------------------------ 加入機器之心（全職記者/實習(xí)生）：hr@jiqizhixin.com 投稿或?qū)で髨蟮溃篹ditor@jiqizhixin.com 廣告&商務(wù)合作：bd@jiqizhixin.com |
|
|
