资讯专栏INFORMATION COLUMN

以更少人力创建更擅长学习的系统 ?看专家详解生成式对抗网络

mdluo / 1377人阅读

摘要:所谓的生成式对抗网络是深度学习领域内最热门的主题,有望以更少的人力创建更擅长学习的系统。警察与伪造者生成式对抗网络减少深度学习所需要的数据生成式对抗网络通过减少训练深度学习算法所需的数据量来解决该问题。

如果您还未听说过生成式对抗网络(generative adversarial network,GAN),不用担心,这篇文章将解答您的困惑。

 

所谓的生成式对抗网络是深度学习领域内最热门的主题,有望以更少的人力创建更擅长学习的系统。

 

我们就这一问题请教了青年专家Ian Goodfellow,他在今年举办的GTC 2017上面对一大群全神贯注的与会者解释了生成式对抗网络的工作方式及各种问题。Goodfellow在2014年提出生成式对抗网络构思时还是蒙特利尔大学的一名博士生,现在已是谷歌公司的一位研究科学家。

 

生成式对抗网络清除了人工智能,尤其是深度学习向前发展的较大障碍之一,即:需要投入巨大的人力工作。

生成式对抗网络:“过去10年内最引人瞩目的创意”

管理Facebook人工智能研究工作的人工智能开拓者Yann LeCun将生成式对抗网络称作“过去10年机器学习领域内最引领瞩目的创意”。

例如,一般而言,神经网络通过分析成千上万张猫类图片,学习识别猫的图片。但除非人类非常仔细地在每幅图像上标注所拍摄的内容,否则这些图片无法用于训练网络。这是一项极其耗时且成本高昂的任务。

警察与伪造者:生成式对抗网络减少深度学习所需要的数据

生成式对抗网络通过减少训练深度学习算法所需的数据量来解决该问题。针对大部分为图片数据的训练时,它们提供了一种利用现有数据训练深度学习算法以创建标记数据的独特方法。

 

相对于训练单一神经网络识别图片,研究人员反过来训练两个相互对抗的网络。仍以猫为例,生成器网络尝试创建看起来像真猫的假猫图片;辨别器网络检查猫类图片,设法确定其是真是假。

 

Goodfellow解释说:“我们可以将这种情况看作是伪造者与警察之间的对抗。伪造者想要制造假币,让其看起来就像是真的一样,而警察则希望检查所有货币,确认其真伪。”

当伪造变为真实:对抗的神经网络

对抗的网络相互学习。例如,当其中一个网络尽力查找假图像时,另一个则变得更擅长于创建与原始图像几乎不可分辨的伪造图像。

 

NVIDIA创始人兼首席执行官黄仁勋,在其GTC 2017的主旨演讲中将生成式对抗网络称作一大“突破”。

 

他表示:“经过训练,我们将获得一个能像毕加索那样绘画的网络,另外还会获得一个以前所未有的鉴别能力识别图像与绘画的网络。”

 

对于制药领域而言,这非常重要。在该领域内,隐私问题将会限制可用数据量。生成式对抗网络可以填补缺少的数据,使之生成完全编造的患者数据集,而在训练人工智能方面,这些数据集与真实数据的作用一样。

 

Goodfellow表示:“我们不希望让患者接受一轮又一轮的试验。我们希望获得少数试验结果,并继而生成更多结果。”

马如何变为斑马

生成式对抗网络也有其艺术的一面。

 

想要绘画但却没有天赋?利用位于加州大学伯克利分校的研究人员所构建的一类生成式对抗网络,您可以绘制想要的草图,选择颜色并立即将涂鸦变为绘画。

上述伯克利分校团队的博士研究生Jun-Yan Zhu演示了如何使用生成式对抗网络,将马的图片变为斑马图片、将橘子变为苹果、将梵高绘画作品变为塞尚的作品等等。

 

生成式对抗网络还可以利用低分辨率图像生成高分辨率图像,将航拍图变为照片,并可以完成各类照片处理任务。

 

Goodfellow表示:“我们可以更改面部的各类特性,比如嘴唇颜色或者发型,但仍可以确保其是一幅具有高锐化效果的真实面部图像。”

生成式对抗网络依然面临挑战

Goodfellow表示,还需要对生成式对抗网络开展更多研究,以挖掘其潜力。有时候,生成的图像缺少真实感,而且生成式对抗网络还远远不能生成复杂数据。

 

他认为:“我们擅长构建能够生成单一种类图像的生成式对抗网络,真正的困难在于打造能够绘制狗、汽车、马以及世界上所有图像的生成式对抗网络。”

欢迎加入本站公开兴趣群

商业智能与数据分析群

兴趣范围包括各种让数据产生价值的办法,实际应用案例分享与讨论,分析工具,ETL工具,数据仓库,数据挖掘工具,报表系统等全方位知识

QQ群:81035754

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/4570.html

相关文章

  • 深度学习下一个热点——GANs将改变世界

    摘要:生成式对抗网络简称将成为深度学习的下一个热点,它将改变我们认知世界的方式。配图针对三年级学生的对抗式训练属于你的最严厉的批评家五年前,我在哥伦比亚大学举行的一场橄榄球比赛中伤到了自己的头部,导致我右半身腰部以上瘫痪。 本文作者 Nikolai Yakovenko 毕业于哥伦比亚大学,目前是 Google 的工程师,致力于构建人工智能系统,专注于语言处理、文本分类、解析与生成。生成式对抗网络—...

    ningwang 评论0 收藏0
  • “未卜先知”、“自学成才”:GANs奇思妙想TOP10榜单

    摘要:实现这一应用的基本思想方法是将图像的每一列用向量来表示,计算每一个的平均值,从而得到一个向量。标准加强学习模型通常要求建立一个奖励函数,用于向代理机器反馈符合预期的行为。来源更多信息自学成才让好奇驱动计算机学习在很多 还记得《射雕英雄传》中老顽童发明的左右互搏术吗? 表面上看,左手与右手互为敌手,斗得不可开交。实际上,老顽童却凭借此练就了一门绝世武功。 这样的故事似乎只能发生在小说中。然而,...

    JessYanCoding 评论0 收藏0
  • 【收藏】6000字人工智能科普,高中生都能读懂 —— Jinkey原创

    摘要:人工智能概述简史应用领域安防实时从视频中检测出行人和车辆。通过多张医疗影像重建出人体内器官的三维模型,帮助医生设计手术,确保手术为我们每个人提供康建议和疾病风险预警,从而让我们生活得更加健康。 showImg(https://segmentfault.com/img/remote/1460000015971504); 0 引言 本文是《人工智能基础(高中版)》的读书笔记,这本书的配图非...

    张巨伟 评论0 收藏0

发表评论

0条评论

mdluo

|高级讲师

TA的文章

阅读更多
最新活动
阅读需要支付1元查看
<