向右滑动:上一篇 向左滑动:下一篇 我知道了
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)。FFAednc

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

FFAednc

(来源:DeepMind)FFAednc

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。FFAednc

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。FFAednc
FFAednc
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。FFAednc

20191015-101.jpgFFAednc

(来源:DeepMind)FFAednc

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。FFAednc

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。FFAednc

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

20191015-102.jpgFFAednc

(来源:DeepMind)FFAednc

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。FFAednc

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

20191015-103.jpgFFAednc

(来源:DeepMind)FFAednc

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。FFAednc

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。FFAednc

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。FFAednc

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。FFAednc

(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)FFAednc

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
  • 2020趋势预测:AIoT硬件创新+软件定义的汽车 本文转载自:Imgtec《Imagination:关于2020年的预测》,内容略有删改。 2020年这些领域将会出现什么新的技术和应用趋势? 1. 汽车不再需要汽油,软件可以定义未来的车辆;2. WiFi 6和蓝牙;3. 隐私推动边缘计算发展;4. 供应链安全;5. 中美贸易创造更多机会......
  • 把“大数据”缩小,这家德国新创公司是如何做到的? 德国新创公司Teraki开发出可过滤并缩小“大数据”(big data)的嵌入式软件技术,不仅有助于提升数据处理效率,还可实现更准确的对象侦测与机器学习…
  • 苹果2亿美元收购人工智能公司,以改进Siri 苹果公司可能会将Xnor.ai的技术整合到未来的iPhone机型中,改进Siri以及其他基于人工智能和机器学习的任务。
  • 人工智能时代不断变化的工业格局 尽管AI技术并不是什么新鲜事物,但数据的爆炸式增长促使AI以惊人的速度发展,例如在百度和谷歌等数十亿次的搜索提供了相当大的实时数据集,支持了AI的蓬勃发展。
  • 攻克可视门铃设计中的难题 物联网(IoT)应用已纵向渗入几乎每一个行业,例如,出于安全目的,住宅、商业和工厂开始使用可视门铃。本文深入探讨了有关可视门铃的一些视频、音频和电源设计难题,以及解决这些难题所需的技术。
  • 人工智能技术翻转商业模式 人工智能(AI)活动AI Experience吸引了许多人参与,优秀的技术人员和演讲者从机器学习、物联网到智慧城市应用,为与会者展示了惊人的创新。边缘计算、人工智能、大数据,这些元素将与我们一起迈向不远的未来。人工智能可应用于制造行业的预测性维护及其它许多方面,它提供一系列技术来分析生产过程中收集的海量数据,并生成有用的信息,以实现并支持卓越的生产能力。
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