广告

DeepMind的团队让AI系统绘出人脸画像,AI要抢画家饭碗了?

时间:2019-10-21 作者:Sally Ward-Foxton,EE Times Europe特约编辑 阅读:
DeepMind的团队让AI系统绘出人脸画像,AI要抢画家饭碗了?
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?

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)。gsEednc

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。gsEednc
gsEednc
以未标记人脸照片训练的AI代理所绘制出的人脸。gsEednc

gsEednc

(来源:DeepMind)gsEednc

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。gsEednc

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。gsEednc
gsEednc
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。gsEednc

20191015-101.jpggsEednc

(来源:DeepMind)gsEednc

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。gsEednc

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。gsEednc

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。gsEednc
gsEednc
AI系统绘制人脸画像的过程。gsEednc

20191015-102.jpggsEednc

(来源:DeepMind)gsEednc

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。gsEednc

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。gsEednc
gsEednc
不同超参数(hyperparameters)下的不同AI代理所绘制的人脸“抽象画”样本。gsEednc

20191015-103.jpggsEednc

(来源:DeepMind)gsEednc

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。gsEednc

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。gsEednc

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。gsEednc

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。gsEednc

(原文发表于ASPENCORE旗下EDN姐妹媒体EETimes,参考链接: Can an AI Learn to Draw?,编译:Judith Cheng   责编:Demi Xia)gsEednc

本文为EDN电子技术设计 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。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
您可能感兴趣的文章
  • 用于端点AI加速的10大处理器 人工智能和机器学习应用的加速是一个相对较新的领域,各种各样的处理器不断涌现,加速了几乎所有神经网络的处理工作。本文列出了目前市场上有代表性的10款AI加速处理器。
  • AI:不那么让人信任却值得期待 AI正在让我们的日常生活更美好...在尝试过AI能做的事情之后,我希望它能做所有事情──而且做得更好!
  • SSD资料储存也需要专用处理器! 储存技术突飞猛进,处理器的性能提升速度却没跟上,甚至成为一个瓶颈──专为数据储存量身打造的处理器会是一种解决方案。
  • 边缘智能化为自主工厂提供动力 从传统的工业机器人系统到当今最新的协作机器人,各类机器人都依赖于能够生成和处理大量高度变化数据的传感器。这些数据可用于启用能够做出实时决策的自主机器人,从而实现更智能的事件管理,同时在动态的真实环境中保持生产力。
  • 2020年将是成果丰硕的创新之年 随着边缘计算、Wi-Fi 6和低功耗蓝牙(Bluetooth LE)v5.2等新的技术进展全面到来,连接和人工智能的创新即将进入全速发展阶段。
  • 180所高校冒出AI专业,老师从哪来? 2020年教育部计划今年扩招硕士研究生18.9万名,并明确将继续扩大相应招生规模。对于那些AI专业的研究生,大都会关心市场到底需要什么样的AI人才?
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
    向右滑动:上一篇 向左滑动:下一篇 我知道了