向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

人工智能要来抢画家的饭碗了?

时间:2019-10-15 作者:Sally Ward-Foxton 阅读:
DeepMind的团队成功以强化学习让AI系统绘出人脸画像,这是一种创造力吗?机器也要来抢艺术家们的饭碗了?
ASPENCORE

在9月底于英国伦敦举行的深度学习高峰会(Deep Learning Summit)上,DeepMind (EETT编按:该公司现隶属于Google母公司Alphabet)的研究科学家Ali Eslami介绍了一个非常有趣的项目,名为“人工智能与创造力”(Artificial Intelligence and Creativity)。ctpEETC-电子工程专辑

Eslami在DeepMind的团队设置了一个AI代理(agent,一个会采取某种行动的神经网络),以绘制人脸作为挑战,在一台计算机安装绘图程序(Mypaint),让它能试验各种变量,例如选择笔刷、放置(placement)、线压(line pressure)以及颜色等。该AI代理被馈入未标记的人脸照片训练数据集,而结果是令人惊讶的逼真。ctpEETC-电子工程专辑
ctpEETC-电子工程专辑
以未标记人脸照片训练的AI代理所绘制出的人脸。ctpEETC-电子工程专辑

ctpEETC-电子工程专辑

(来源:DeepMind)ctpEETC-电子工程专辑

Eslami的团队是利用了强化学习(reinforcement learning)技术。今日大多数的AI系统是采用监督式学习(supervised learning),所馈入的数据是以某种方式标记过的,因此系统能将结果与标准答案进行比对;相反的,非监督式学习则是馈入未标记的训练数据,让系统尝试以自己的方式去辨别特征。ctpEETC-电子工程专辑

强化学习就是某种形式的非监督式学习,在训练过程中,有被称为鉴别器(discriminator)的第二个AI代理对结果提供回馈,好让负责创造的AI代理去学习。在产生影像的情境中,该鉴别器可能会比较产出的影像与训练数据,然后针对是否能辨别出差异提供回馈,这种回馈可能是一种分数,以量化辨别所产生影像与训练数据集之间差异的困难程度。ctpEETC-电子工程专辑
ctpEETC-电子工程专辑
强化学习采用两个AI代理,其一负责创造影像,另一个则尝试分辨创造出的影像与实际数据之间像不像。ctpEETC-电子工程专辑

20191015-101.jpgctpEETC-电子工程专辑

(来源:DeepMind)ctpEETC-电子工程专辑

在DeepMind教导其AI系统如何画图之前,他们已经教过该系统如何写字──去年该AI系统一开始接受的训练是各种英文字母的手写字与字体的影像(采用MNIST与Omniglot数据集),而且系统非常成功地重现了那些字母。ctpEETC-电子工程专辑

DeepMind团队还很惊讶地发现,若限制笔划数,所产出的结果就很像是人类在匆忙中写出的字迹,点与较小的特征会连在一起;该公司团队还将算法与拿着画笔的机器手臂联机,以产生手写书法。ctpEETC-电子工程专辑

一旦该AI系统能应付手写字,Eslami的团队就让系统升级以应用更大的网络,并采用更多CPU进行训练。当采用人脸照片做为训练数据集,AI系统绘制出的画像会变得越来越逼真,如下图所示的绘画过程各个阶段。ctpEETC-电子工程专辑
ctpEETC-电子工程专辑
AI系统绘制人脸画像的过程。ctpEETC-电子工程专辑

20191015-102.jpgctpEETC-电子工程专辑

(来源:DeepMind)ctpEETC-电子工程专辑

请注意,该AI系统并没有被提供目标影像,只是创造它认为看起来像人脸的画像,而且计算机并没有看过人类是如何绘图,只是藉由强化学习的尝试错误过程去探索关于绘画的一切。Eslami表示,这里实际上有两个复杂的任务,其一是以高精准度控制笔刷,其二是管理时间, 在过程中权衡其画像结果要看起来有多逼真。ctpEETC-电子工程专辑

接下来该团队所做的事情是自问:如果我们让任务变得更困难呢?于是他们将笔划的数量限制从1,000减少到20,而让他们惊讶的是,该AI代理仍然能产生虽然更抽象、但看得出是人脸的画像。ctpEETC-电子工程专辑
ctpEETC-电子工程专辑
不同超参数(hyperparameters)下的不同AI代理所绘制的人脸“抽象画”样本。ctpEETC-电子工程专辑

20191015-103.jpgctpEETC-电子工程专辑

(来源:DeepMind)ctpEETC-电子工程专辑

而Eslami表示,那些抽象画最让人震惊的是,该AI代理已经能清楚辨识构成人脸特征的重点──即眼睛、鼻子与嘴巴;他们原本认为AI系统只能透过模仿或是以监督式学习被教导这些抽象画,但强化学习确实也可能达成。ctpEETC-电子工程专辑

所以AI已经成功学会画图了..但这是一种创造力吗?或者只是随机结果?还有这能算是艺术吗?你可能会争辩,AI代理是利用创造力去尝试以不同的方法呈现人脸,如上面图片中的画像,即使它们看起来都像人脸,其中的差异性还是比相似性更多。ctpEETC-电子工程专辑

不过事实是,AI系统的意图并不在于将人脸抽象到绘画的最基本元素中,也不是要产生能唤起情感反应的画像,其目标是在于写实,是以画像看起来有多么逼真来评判其成功与否。ctpEETC-电子工程专辑

此外也会有人争议,AI系统绘制的画像是以高水平的技巧完成,所以这代表AI是有成就的艺术家了吗?当训练过程结束,该系统肯定能产出更好的画像,甚至学着从模糊的笔触开始,在最后添加更犀利的线条;可惜的是,今日对于何为艺术并没有严格的定义,也许这个问题的答案应该由观众们来决定。ctpEETC-电子工程专辑

编译:Judith Cheng   责编:Yvonne GengctpEETC-电子工程专辑

(参考原文: Can an AI Learn to Draw?,by Sally Ward-Foxton)ctpEETC-电子工程专辑

 ctpEETC-电子工程专辑

ASPENCORE
本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
Sally Ward-Foxton
Sally Ward-Foxton是EE Times特派记者,她专注于EE Times美国版的AI技术和相关话题,以及EE Times欧洲版杂志中的欧洲企业报道。 Sally base在英国伦敦,她报道电子行业已有15年,曾为Electronic Design、ECN、Electronic Specifie撰写设计、电子元件类文章。 她拥有剑桥大学的电气和电子工程硕士学位。
您可能感兴趣的文章
  • 工业4.0带来PCB制造新视角 工业4.0有望在提高工厂数据自动化效率和生产率方面发挥重大作用,这在一定程度上要归功于汽车、物联网(IoT)和人工智能(AI)的并行发展。我们可以预见,在未来的工业流程中,机器将负责特定的“学习”任务,利用封闭的反馈回路,实时监控和报告极度详尽的生产数据,检测到偏差后会自动触发源参数调整。
  • 孕育创新能量,“新创之岛”欲激活产业 在2020年美国拉斯维加斯国际消费性电子展(CES)上,汇集全球上千家新创公司的“Eureka Park”展区有一支台湾科技新创基地(Taiwan Tech Arena,TTA)率领的团队,包括82个台湾新创公司,积极向来自全球各地的媒体与参观者介绍自家产品,他们的产品涵盖医疗护理、人工智能与智能生活等应用的解决方案,其中有13个团队的产品还拿下了CES创新奖(Innovation Award),充分展现出他们具备国际水平的创新能量。
  • 华为BAT等企业提供云服务,加速抗病毒新药和疫苗研发 在本次抗击新型冠状病毒感染肺炎疫情的防控阻击战中,科技企业不仅捐钱捐物,其创新技术也发挥了重要作用。华为、中科曙光和百度、阿里、腾讯等主流互联网企业,针对在线医疗、药物研发等方面均作出了超算、云计算、AI算法、大数据技术支持,部分项目已经在缩短确诊时间、病毒基因机构预测等方面展现效果……
  • 英特尔叫停Nervana AI芯片,改推Habana 英特尔(Intel)公司在去年12月中旬收购了以色列AI芯片初创公司Habana Labs,一出手就是20亿美元。不过问题是,在收购Habana之前,Intel手里的AI解决方案已经有CPU、FPGA、Nervana及在研的GPU等,不能同时有两个“太子”吧?必须做出一个艰难的决定……
  • 2020年:过渡到完全互连的未来 2020年将是转型的重要一年,许多可望改变人类生活的科技与产品都即将成为现实,并开始带来影响。
  • 有点太像人类...又不够有人性的AI 因为AI是如此被动吸收被馈入的数据,因此只能反映出存在于人类开发者心中的偏见──无论是有意识或无意识的…
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告