說起“教授”計(jì)算機(jī)如何完成人類工作，生成式對抗系統(tǒng)（GAN）是現(xiàn)有最有效的手段之一。雖然人們一直被告知“競爭可以激發(fā)出更好的表現(xiàn)”，但是只有在有了生成式對抗系統(tǒng)之后這一“從競爭中學(xué)習(xí)”的邏輯才被發(fā)展到了造福產(chǎn)業(yè)生產(chǎn)的高度。

具體來說，生成式對抗系統(tǒng)是由不同的AI實(shí)體彼此競爭，以達(dá)到更好地解決自己任務(wù)的目的。想象一下，如果有一個(gè)惡意軟件程序和一個(gè)安保機(jī)器人程序同時(shí)對抗，彼此都毫不放松的想要在對方的制約下更好的完成自己的職責(zé)。那么在這個(gè)過程中，他們雙方都可以將自己的任務(wù)（入侵VS保護(hù)）完成的越來越好。

生成式對抗系統(tǒng)最初是由蒙特利爾大學(xué)的 Ian Goodfellow 首先創(chuàng)造出來。而最近，它已經(jīng)向人們顯示出了“無監(jiān)督學(xué)習(xí)”的強(qiáng)大威力。

那么究竟生成式對抗系統(tǒng)是如何工作的呢？

每個(gè)生成式對抗系統(tǒng)都有兩個(gè)相互競爭的神經(jīng)網(wǎng)絡(luò)。其中一個(gè)將噪音錄入并且生成樣本（生成器）。而另一網(wǎng)絡(luò)則能夠分辨正常的實(shí)驗(yàn)數(shù)據(jù)和從生成器獲得的樣本（分辨器）。這兩個(gè)網(wǎng)絡(luò)在進(jìn)行一個(gè)持續(xù)的游戲，生成器會(huì)一直學(xué)習(xí)如何能夠成功欺騙分辨器，而分辨器則能逐步增強(qiáng)自己分辨兩種數(shù)據(jù)的能力。這兩個(gè)系統(tǒng)同時(shí)接受長期的訓(xùn)練，終于在百萬次的“對抗”之后，生成器生成的樣本已經(jīng)和真實(shí)的數(shù)據(jù)幾乎沒有差異。

簡單來說，生成器就是一個(gè)造假者不斷想要制造虛假的資料，而分辨器則是警察，其職責(zé)就是將虛假的資料分辨出來。因?yàn)檎麄€(gè)過程都是被現(xiàn)有計(jì)算機(jī)器自動(dòng)化執(zhí)行的，生成式對抗系統(tǒng)已經(jīng)可以實(shí)現(xiàn)許多令人驚嘆的任務(wù)。而以下就是至今為止生成式對抗系統(tǒng)最為驚艷世界的應(yīng)用。

1

當(dāng)機(jī)器有了想象力

谷歌的Deep Dream可以制造出有著幻覺效果的圖像

Google Brain的研究者已經(jīng)找到了可以從視覺上展現(xiàn)他們的精神網(wǎng)絡(luò)，Google Net，如何看待事物本質(zhì)的方法。而通過這種方法，生成式對抗系統(tǒng)制造出了可以被稱為有著迷幻效果圖像。

其實(shí)，這些如夢似幻的圖片，是一個(gè)給圖片分類的功能刻意過度處理圖像時(shí)產(chǎn)生的副產(chǎn)品。而在這個(gè)過程中涉及到的主要系統(tǒng)就是Deep Dream。

Deep Dream究竟是如何工作的呢？你首先要給他一個(gè)圖像，然后他會(huì)主動(dòng)去尋找他在之前訓(xùn)練中學(xué)會(huì)的認(rèn)識(shí)的一切。神經(jīng)網(wǎng)絡(luò)可能會(huì)發(fā)現(xiàn)一些類似于一只狗，一個(gè)房子這一類的意象。而Google Deep Dream就可能強(qiáng)化這些被認(rèn)出來的事物。

打個(gè)比方，如果現(xiàn)有的認(rèn)知網(wǎng)絡(luò)在你輸入一個(gè)圖像時(shí)會(huì)認(rèn)為“看，這個(gè)圖像有40%的可能是一只狗”，那么，下一次，它會(huì)在自動(dòng)完善后說：“看，這有60%的可能性是一只狗?！边@個(gè)過程會(huì)一直持續(xù)到被輸入的圖片可以被轉(zhuǎn)化成在神經(jīng)系統(tǒng)看來完全就是一只狗或者其他事物為止。并且，在這樣不斷轉(zhuǎn)化被分類的圖像的過程中，系統(tǒng)創(chuàng)造了看起來超脫塵世的迷幻圖像。

Google的Deep Dream以這樣的方式逆轉(zhuǎn)了我們傳統(tǒng)認(rèn)識(shí)中，輸入一個(gè)圖形就會(huì)生成一個(gè)對應(yīng)輸出結(jié)果的固定思維。如今，每個(gè)輸入的圖像都會(huì)被認(rèn)知系統(tǒng)不斷改進(jìn)，直到它可以完全的理解并進(jìn)行最佳分類。

2

讓機(jī)器模仿人類

通過生成式對抗系統(tǒng)模仿學(xué)習(xí)的過程

一群AI研究人員希望能夠用不同的方式去建構(gòu)能自學(xué)的人工智能，而不是沿用傳統(tǒng)的建立在獎(jiǎng)勵(lì)機(jī)制上的方法。

他們給了人工智能一套真實(shí)的展示數(shù)據(jù)作為輸入指令，而根據(jù)這套數(shù)據(jù)，人工智能就可以學(xué)習(xí)并且嘗試模仿同樣的動(dòng)作。

在這個(gè)模型中，Jonathan Ho和Stefano Ermon展示了一種全新的模仿學(xué)習(xí)的方法。在標(biāo)準(zhǔn)的強(qiáng)化學(xué)習(xí)系統(tǒng)中，人們總是要設(shè)計(jì)一個(gè)獎(jiǎng)勵(lì)功能來向人工智能描述他們應(yīng)該做出怎樣的行為。然而，在實(shí)際操作中，這會(huì)需要昂貴的“實(shí)驗(yàn)-糾錯(cuò)“的過程來將保證細(xì)節(jié)的正確。但是，在模仿學(xué)習(xí)的設(shè)定下，人工智能可以直接向樣本的展示如何去學(xué)習(xí)，從而完全消除了去設(shè)計(jì)一個(gè)獎(jiǎng)勵(lì)功能的需要。

3

指馬為斑馬，變冬為夏

圖像到圖像的生成

通過已有的圖像來生成新的圖像是生成系統(tǒng)的一個(gè)非常有趣的應(yīng)用。在試驗(yàn)中，研究者們已經(jīng)可以改變視頻中的動(dòng)物，或者圖片中的季節(jié)。

這一任務(wù)的目標(biāo)是學(xué)習(xí)如何通過一整套圖像對（image pair）去充分認(rèn)識(shí)輸入與輸出的圖像的聯(lián)系與區(qū)別。然而，在多數(shù)情況中，成對的訓(xùn)練數(shù)據(jù)并不好找。而解決這一問題的方法就是使用兩個(gè)完全相對的映像，一方的輸出圖像被設(shè)定成正好是對方的輸入圖像。以這樣的方法，人們得以用非常少量的數(shù)據(jù)讓人工智能認(rèn)識(shí)到兩個(gè)圖像的真實(shí)聯(lián)系（無監(jiān)督學(xué)習(xí)）。

4

將簡略素描變成豐滿畫作

通過輪廓生成圖像

逼真的圖像處理是一項(xiàng)艱巨的任務(wù)，因?yàn)樗枰斯ぶ悄芡ㄟ^一個(gè)被用戶設(shè)定的角度去豐富圖像的表現(xiàn)，但同時(shí)他也要能夠確保最終輸出的逼真效果。這著實(shí)需要相當(dāng)高超的技巧。而一個(gè)藝術(shù)家可能需要數(shù)年的持續(xù)訓(xùn)練才可以達(dá)到這樣的程度。

研究此項(xiàng)技術(shù)的人工智能研究人員之前一直是如何做的呢？他們創(chuàng)造了一個(gè)模型。當(dāng)人們給這個(gè)模型一個(gè)物體的輪廓時(shí)，他可以成功認(rèn)出這個(gè)物體，然后基于輪廓生成一個(gè)逼真的實(shí)際圖像。

然而，在近期的一篇論文中，一位作者提議使用Generative Adversarial Neural Network（生成式對立神經(jīng)網(wǎng)絡(luò)）來使人工智能可以直接通過自然圖像背后的數(shù)據(jù)進(jìn)行學(xué)習(xí)。這樣的模型自動(dòng)調(diào)節(jié)了輸出圖像的編輯，使其盡可能逼真。同時(shí)，這樣的處理可在約束優(yōu)化的條件下實(shí)現(xiàn)近乎于實(shí)時(shí)的執(zhí)行。這項(xiàng)技術(shù)如果可以進(jìn)一步發(fā)展，那我們可以期待，未來，人工智能可以將人們的草稿變成新的圖形，又或者是將一幅固定圖像改變地與目標(biāo)圖像無限接近。

5

看字畫圖

從字到圖的自動(dòng)合成

根據(jù)文本自動(dòng)合成逼真圖片的技術(shù)令人向往。最近，深度卷積生成式對抗網(wǎng)絡(luò)已經(jīng)可以識(shí)別某些特定種類的文章然后生成非常引人注目的圖片，例如面龐，唱片封面和房間內(nèi)部裝飾。

這個(gè)模型被同時(shí)包含文本和他們相應(yīng)圖片的樣本數(shù)據(jù)喂養(yǎng)著。當(dāng)人們提供了任何一個(gè)事物的描述時(shí)，這個(gè)模型就會(huì)開始自動(dòng)生成對應(yīng)的圖像。

在這一技術(shù)中，從文本到圖像的合成其實(shí)基于兩個(gè)步驟：首先，人工智能需要學(xué)習(xí)并識(shí)別文本中展現(xiàn)出重要視覺細(xì)節(jié)的部分，然后，通過這些特定的特點(diǎn)來合成一個(gè)足以欺騙人類的逼真圖像。

6

讓電腦因?yàn)楹闷娑鴮W(xué)習(xí)

好奇會(huì)是深層神經(jīng)網(wǎng)絡(luò)持續(xù)探索的真實(shí)動(dòng)因

在現(xiàn)實(shí)社會(huì)中，人工主體可以收到的外部獎(jiǎng)勵(lì)基本不存在。而一個(gè)被動(dòng)的程序是無法主動(dòng)進(jìn)化并學(xué)習(xí)的。因此，好奇心能夠作為一個(gè)內(nèi)在獎(jiǎng)勵(lì)的信號(hào)幫助人工主體去探索他的周圍環(huán)境并且學(xué)習(xí)之后對其有用的技能——積極的學(xué)習(xí)者一定比那些被動(dòng)懶惰的人表現(xiàn)得好得多。

在這樣一個(gè)模型里，好奇心其實(shí)是每當(dāng)AI預(yù)測到自己的未來行動(dòng)時(shí)就會(huì)發(fā)出錯(cuò)誤預(yù)警。

這樣的機(jī)器人程序也可以同時(shí)通過程序員建造的獎(jiǎng)勵(lì)系統(tǒng)來幫助他學(xué)習(xí)。

如果我們將人工主體想象成一個(gè)幼兒。一個(gè)沒有父母監(jiān)督的孩子非?？赡軙?huì)忍不住去觸碰發(fā)燙的鍋，隨即領(lǐng)悟到這個(gè)東西這么燙讓我這么疼，所以之后我一定不能夠再碰了。好奇心驅(qū)使他去探索，而獎(jiǎng)勵(lì)機(jī)制可以告訴他這件事情是好是壞。

這樣一個(gè)“好奇心”驅(qū)動(dòng)的學(xué)習(xí)是基于以下幾點(diǎn)判斷建造的：

1）極少的外部獎(jiǎng)勵(lì)會(huì)使得好奇心與外界環(huán)境接觸并達(dá)成目標(biāo)的欲望極具減弱

2）比起沒有外部獎(jiǎng)勵(lì)的探索，好奇心驅(qū)動(dòng)的人工主體可以在學(xué)習(xí)時(shí)更加有效率

3）對于未知情景進(jìn)行概括，可以使人工主體將它們之前有過的經(jīng)歷和知識(shí)轉(zhuǎn)化為面對新環(huán)境的智慧，而不是兩眼一抹黑地從頭開始學(xué)習(xí)

這一方法也可以在以下兩個(gè)游戲環(huán)境中來檢驗(yàn)：VizDoom和超級(jí)瑪麗兄弟。

7

AI設(shè)計(jì)游戲

使用生成式對抗系統(tǒng)來設(shè)計(jì)游戲的用戶界面

想想如果我們可以生成令人信服的視頻游戲的圖像界面，那么我們就可以復(fù)制粘貼這些界面的一些元素然后為我所用。

這一技術(shù)的目標(biāo)是生成一組風(fēng)格統(tǒng)一的游戲圖像。為了達(dá)到這個(gè)目的，這個(gè)程序需要集結(jié)不同游戲的一系列圖像。然后， 通過已有圖像的各個(gè)部分來生成新的獨(dú)特的圖形，作為新游戲的背景界面。

8

預(yù)測視頻中下一步會(huì)發(fā)生什么

基于場景動(dòng)態(tài)特性生成視頻

理解物體的運(yùn)動(dòng)趨勢和場景動(dòng)態(tài)特性是計(jì)算機(jī)視覺的核心問題。為了實(shí)現(xiàn)視頻識(shí)別和視頻生成，我們需要一個(gè)場景轉(zhuǎn)換的模型。然而，制造這樣一個(gè)動(dòng)態(tài)模型太有挑戰(zhàn)性，畢竟物體和場景都有無數(shù)種改變的方向。

而這樣看似不可能的任務(wù)被一個(gè)分割了前景和背景的模型實(shí)現(xiàn)了。這個(gè)模型強(qiáng)調(diào)了背景的固定性，從而將神經(jīng)網(wǎng)絡(luò)的大部分精力集中在了學(xué)習(xí)前景物體的移動(dòng)方向上。同時(shí)，這些場景也被分門別類地分割開來，使得人工主體對于前景物體移動(dòng)方向的預(yù)測更為準(zhǔn)確。

9

生成逼真的人工臉

神經(jīng)識(shí)別人聯(lián)系統(tǒng)

“Neural Faces”是一種可以生成人工（而不是真實(shí)的）人臉的一款人工智能技術(shù)。他的基礎(chǔ)就是由Facebook 的AI團(tuán)隊(duì)開發(fā)的深度卷積生成式對抗網(wǎng)絡(luò)。

這個(gè)AI團(tuán)隊(duì)，使用包含了100個(gè)0到1之間的實(shí)數(shù)的Z向矢量來生成一幅圖像。之后，這個(gè)生成器就可以逐步學(xué)習(xí)人類圖像的分布。它可以逐步學(xué)會(huì)如何生成可以蒙混分辨器的新臉，而分辨器也同時(shí)在分辨生成臉和真實(shí)人臉上越來越熟練。

10

改變照片中的面部表情和特征

使用生成式對抗網(wǎng)絡(luò)的向量運(yùn)算

在一次實(shí)驗(yàn)中，研究人員通過一系列的樣本圖像就已經(jīng)可以成功生成人臉的各種表情。比如說，他可以把一張沒有笑的臉變成微笑的，在臉上添加裝飾品，或者強(qiáng)調(diào)面部的一些特征。

這一功能的基礎(chǔ)方法，是將圖像的每一列以 X 向矢量代表，然后通過 X 的平均數(shù)來生成 Y 向矢量的中位數(shù)。之后，在 Y 向矢量上進(jìn)行例如添加和減少的算術(shù)運(yùn)算，從而形成一個(gè)新的 Z 向矢量，即新圖像。將 Z 向矢量輸入生成器從而生成上面最右邊的結(jié)果圖。

我們可以自信的進(jìn)行其他的屬性操作，例如放大縮小，轉(zhuǎn)換方向等等。為了達(dá)到這樣的目的，我們需要將看向左邊和右邊的人臉的圖像樣本平均為一個(gè)人臉的左右向矢量。然后，通過加入對應(yīng)著圖像矢量的軸的“插值“，我們就可以成功地對這些人臉進(jìn)行這些更高級(jí)的改變了。

結(jié)論

我們現(xiàn)在還處于生成式對抗網(wǎng)絡(luò)發(fā)展的初期。以上的這些例子，雖然現(xiàn)在看起來已經(jīng)頗為令人鼓舞，但是這仍然非常基本。對于我們工程師來說，它給予了我們一個(gè)訓(xùn)練 Neural Nets 來完成任何復(fù)雜的人類任務(wù)的光明路徑。它也同時(shí)可以證明創(chuàng)造力已經(jīng)不是一個(gè)只有人類才有的特征了。