广告

DeepMind的团队让AI系统绘出人脸画像,AI要抢画家饭碗了?

2019-10-21 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)。hbTednc

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

hbTednc

(来源:DeepMind)hbTednc

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。hbTednc

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。hbTednc
hbTednc
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。hbTednc

20191015-101.jpghbTednc

(来源:DeepMind)hbTednc

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。hbTednc

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。hbTednc

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

20191015-102.jpghbTednc

(来源:DeepMind)hbTednc

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。hbTednc

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

20191015-103.jpghbTednc

(来源:DeepMind)hbTednc

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。hbTednc

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。hbTednc

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。hbTednc

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。hbTednc

(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)hbTednc

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”
  • 拆解:Google Home Hub智能扬声器和显示屏 虽然我家是以AmazonEcho为中心的,但Google的智能扬声器和显示屏生态系统也有很多拥趸。在去年夏天的一个促销活动中,我购买了一个优惠三件套组合,之前已拆解了其中的GoogleHome Mini和GE C-Life智能灯泡,本文拆解的是其中的第三位成员——Google Home Hub。
  • 猎豹移动旗下猎户星空与南昌市、58集团签订家政机器人 近日,在2020年第二届滕王阁创投峰会(以下简称“峰会”)上,猎豹移动旗下猎户星空与南昌市人民政府、58集团三方签订了“家政机器人战略合作框架协议”,三方将共同携手,各自发挥优势,推动家政服务数字社区建设、家政场景服务机器人的研发应用与产业发展。
  • (华为)激光雷达参数详解 新势力造车在近两年得到飞速发展,国内的蔚来、理想、小鹏等都在资本市场上融到了大量的资金,早期的新势力汽车是从新能源电动车入手,因为自动驾驶门槛较高,但是随着技术的发展和客户潮流的需要,自动驾驶不得不提上日程,尽管特斯拉的马斯克对激光雷达不屑一顾,但是还是有除特斯拉以外的大部分厂商都在使用激光雷达,而且是作为主要的传感器。因此,激光雷达是自动驾驶中绕不过去的坎,本文对激光雷达的参数进行详细解读。
  • 自动驾驶最成功的领域会在哪里?农用拖拉机!(附视频) 自动驾驶从最初的乘用车Waymo到自动驾驶卡车,但是,这两个领域都没有实现真正能够落地的应用。那么,自动驾驶最成功的领域将会是哪里呢?农用领域的自动驾驶越来越深入。凭借360度摄像头、一套传感器和自主导航软件,Monarch拖拉机可以在无人驾驶的情况下执行预先编程的任务。我们来看看其智能化程度。并附上视频。
  • 电动汽车“新势力造车”厂商市值排行(2020年最新),占全 以特斯拉为代表的电动汽车在全球刮起了新势力造车风,这两年理想、蔚来等在资本的支持下得到了高速发展。那么,他们的市值现在有多少呢?
  • 什么是神经网络?工作原理是什么?——AI算法必懂 关注AI的同学一定都知道神经网络,这是AI算法中模拟人的大脑所衍生出来的学科和算法。可以说,不了解神经网络就不能说动算法,懂算法者必懂神经网络。下面我们就对神经网络的工作原理进行深入浅出的介绍。
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了