https://technews.tw/2018/04/02/learning-to-write-programs-that-generate-images/
內文：
近日，DeepMind 一篇部落格文章提到一種新的人工智慧體，可推斷數字、角色和人像的構造方式，更關鍵的是，它們是自己學會做這件事，而不是靠人工標記的資料集。
真實世界並不僅是我們眼裡反映的圖像。例如，當我們看到建築物並欣賞其設計之美時，我們也欣賞所需的技術。這種思維方式可使我們對世界有更豐富的理解，也是人類智慧的重要體現之一。
DeepMind 研究員希望系統也能創造出同樣豐富的世界表現形式。例如，觀察繪畫圖像時，希望系統能了解用於創建繪畫的筆觸，而不僅是表現在螢幕上的畫素。
在這項工作中，研究員為人造智慧體（agents）配備了人類用來生成圖像相同的工具，並證明它們可以推斷數字、人物和肖像的構造方式。更關鍵的是，它們是自學如何做到這一點，而不是透過人為標籤的資料集。這與最近的一項研究「A Neural Representation of Sketch Drawings」提到的依賴從人類經驗學習的方式恰恰相反。依賴人類經驗的學習通常很耗時。
研究員設計了一個可與計算機繪畫程序互動的深度強化學習智慧體，將筆觸放在數位畫布上並更改畫筆大小、壓力和顏色，未經訓練的智慧體畫筆很隨意，並沒有明顯的意圖或結構。為了克服這點，研究員需要創建一種獎勵方式，鼓勵 agents 生成有意義的圖片。
為此，研究員訓練了第二個神經網路，稱之為鑑別器。它唯一目的是預測特定圖形是由 agents 製作的，還是從真實照片的資料集中採樣的。agents 的獎勵是透過「欺騙」鑑別者認為它的繪畫是真實的。換句話說，agents 的獎勵信號本身就是學習的。雖然這與生成對抗網路（GAN）中使用的方法類似，但並不相同。因為 GAN 網路設置中的生成器通常是直接輸出像素的神經網路。而這裡的agents 是透過編寫圖形程式與繪圖環境互動來生成圖像。
在第一組實驗中，agents 透過訓練生成類似於 MNIST 數字的圖像：它顯示了數字的樣子，但沒有顯示它們是如何繪製的。透過嘗試生成欺騙鑑別器的圖像，agents 學會控制畫筆，並操縱它以適應不同數字的風格，這是一種稱為可視化程式合成的技術。
研究員也訓練它重現特定圖像的能力。在這裡，鑑別器的目的是確定再現圖像是否是目標圖像的副本，或者是否由 agents 產生。鑑別器越難區分，agents 得到的獎勵就越多。
最重要的是，這個框架也是可以解釋的，因為它產生了一系列控制模擬畫筆的動作。這意味著該模型可以將其在模擬繪圖程式中學到的知識，應用到其他類似環境中的字元重建中，例如用在仿造的或真實的機械手臂上。
還有可能將這個框架擴展到真實的資料集。agents 經過訓練可以繪製名人臉部表情，能夠捕捉到臉部的主要特徵，例如形狀、色調和髮型，就像街頭藝術家在使用有限數量的畫筆描繪肖像時一樣：
（Source：DeepMind）
從原始感受中提取訊息結構化表示，是人類很容易擁有並經常使用的能力。在這項工作中，研究員表明可以透過讓智慧體獲得和人類重現世界的相同工具，來指導智慧體產生類似的表示。在這樣做時，它們學會製作可視化程式，簡潔地表達因果關係，提升了它們的觀察力。儘管該工作目前僅代表了向靈活的程式合成邁出一小步，但預計需要類似的技術才能使智慧體具有類似人的認知，包括歸納概括和溝通交流等能力。
（本文由 雷鋒網 授權轉載；首圖來源：shutterstock）
目前的deeplearing比較偏向用人類已知的資訊、資料，讓電腦分類出一個規則去進行動作，而agents所要做的就是讓電腦自主的產生文字或影像，而不是經由人類外部介入，雖然初步會認為這樣的動作過於隨機，沒有意義，但或許未來可以將這樣的方法放在一些無須特定規則的地方或應用上。
沒有留言:
張貼留言