 谷歌已经透露了??什么最先进的人工系统的梦想 - 它可以是可怕的。 该公司已经透露了??一个惊人的一组图片，以帮助解释它的系统学习如何随着时间的推移。 它显示了系统如何学习 - 当它得到的东西错了会发生什么。  所以这里有一个惊喜：即进行了培训不同类型的图像区分神经网络有相当多的需要产生的图像太的信息 如何他们做到了 在这种情况下，动物 - 图像被供给图象到网络，然后请求其识别功能的它，以及修改图象以强调它可以识别功能创建。 该改性图象然后被反馈到网络，这是再一次任务是识别特征，并强调它们，等等。 最终，反馈回路修改面目全非的照片。 “人工神经网络已经刺激了图像分类和语音识别显着的最新进展，”亚历山大写道Mordvintsev，克里斯托弗·奥拉和谷歌的AI队迈克Tyka。 “但是，即使这些是基于著名的数学方法非常有用的工具，我们真正理解令人惊讶的一点为什么某些型号的工作和别人不一样。” 谷歌通过显示数百万培训例子和逐步调整网络参数，直到它给人的分类球队想要训练的人工神经网络。 该团队甚至放弃了图像的名字 - Inceptionism。 该网络通常由人工神经元10-30堆叠层。 每个图像被馈送到输入层，然后会谈到下一层，直到达到最终的“输出”层。 该网络的“答案”就来源于此最终输出层。 在这一过程中，该软件建立了它认为一个对象看上去像一个想法。 研究人员利用这种要求该软件创建一个哑铃，例如。 什么回来了（下图）是连接到一个哑铃一个陌生的形象展示手臂的胳膊。 “有在那里还好吗哑铃，但似乎没有图片哑铃的是不完整的肌肉举重那里解除他们。   研究人员还要求系统来分析爱德华·蒙克的呐喊 - 这变成了狗的肖像 在这种情况下，网络未能完全蒸馏哑铃的本质。 “也许它从来没有被证明没有胳膊抱着它一个哑铃。 “可视化可以帮助我们纠正这类培训的事故。” “为什么这很重要？'团队写道。  “这里是什么人的神经网络，我们设计思想哑铃看起来像”研究人员说  该系统曾试图学习认识动物 - 在意想不到的地方，结果发现了奇怪的动物。  “好吧，我们训练网络通过简单地展示了我们希望他们了解他们的例子很多，希望他们提取了事情的本质在手（例如，叉需要一个手柄和2-4齿），并学会忽略了什么没关系（叉子可以是任何形状，大小，颜色或取向）。 “但你如何检查网络是否正确学到了正确的功能？它可以帮助可视化叉子网络的代表。“  这些动物被通过时，谷歌的AI多次分析发现所有在云中一个看似简单的画面，营造出一种反馈回路和放大什么网络知道最好的 - 在这种情况下，动物。  云图像用于创建上面的动物  该团队甚至可以编程AI尝试和发现整个对象 - 与热闹的结果。 “如果我们选择更高级别的层，它识别图像更加复杂的功能，复杂的功能，甚至整个对象往往出现。 “同样，我们刚开始与现有的图像，并给它给我们的神经网络。 “我们问了网络：”不管你看到没有，我想多了吧“！ 研究小组发现这将创建一个反馈环路。 如果一个云看起来像一只鸟一点点，网络将使它看起来更像一只鸟。 这反过来将使得网络认识的鸟更强烈的下传和依此类推，直到一个非常详细的鸟出现，看似无章可循。 '的结果是有趣的，甚至相对简单的神经网络可用于过解释的图像，就像儿童我们喜欢看云和解释随机的形状。 “这是网络的主要训练的动物的图像，所以自然也容易解释形状，动物。 “但是，因为数据被存储在如此高的抽象，其结果是这些学习特征的有趣的混音。  有些系统创建的其他惊人的图像。 另一个山水画送入系统 - 与离奇结果 该小组还试图把不同类型的图片到系统中。 “地平线线往往会得到填充塔和塔。岩石和树木变成建筑。鸟和昆虫出现在叶的图像。“ 研究人员说，一些workl的甚至可以是艺术。 “这项工作还使我们怀疑神经网络是否能成为一个工具，为艺术家，以新的方式重新混音视觉概念，或者甚至流下在创作过程中一般的根部稍轻。 作为系统学习识别建筑物，它创建这些图像。 左图：原始照片由Zachi的Evenor。右：由加工诺亚克半滑舌鳎，软件工程师 左图：原画由G eorges瑟拉。右：处理后的图像马修麦克诺顿，软件工程师 原始图象的影响是什么样的物体的形成在经处理的图像。 |
|
|
