您现在的位置:新闻首页>玄幻全本

AI科普贴:生成对抗网络(GANs)为什么这么火?

2018-07-11 11:25编辑:aotatm.com人气:


AI科普贴:生成对抗网络(GANs)为什么这么火?

我相信绝大对数AI领域的关注者,都更在意的是AI何时、何地,以何种方式投入应用。要知道AI已经是一个60年的长寿学科,相比于学理上的进化和实验室中的成就,大家必然更关注AI改变生活,发生经济效用的一面。

根植于这种漫长的期待,一些AI领域内的概念获得了迅速火爆的机会。比如在2016年,一种被称为生成对抗网络(Generative Adversarial Nets)的机器学习模型就快速风靡了整个AI圈,从学术界到资本界,一时间都对这种技术充满了无尽的期待。好像没有哪个AI从业者可以绕开GANs,无论是对他五体投地还是嗤之以鼻。

AI科普贴:生成对抗网络(GANs)为什么这么火?

(GANs从男人、女人、戴眼镜的男人,推导出戴眼镜的女人)

如此火爆的行业大讨论背后,仿佛给外界一个错觉。好像生成对抗网络技术已经十分完善,马上就可以达成AI技术的全面市场化。中外众多创业项目也开始以GANs为噱头。

但剥开GANs有点神秘的外衣之后,这种机器学习技术真的可以带给AI行业“跨进度表”式的革命吗?

什么是GANs?

生成对抗网络(Generative Adversarial Networks,GANs)这个概念,最早是在2014年的时候由蒙特利尔大学的AI学者 Ian Goodfellow提出的。在相关论文中,Ian Goodfellow阐释的算法复杂度和数理创新并不太引人注目,但其创造的算法模型在想法上绝对别具一格,尤其它在应用性上的优势令人心动。

抛开复杂的函数语言,GANs在原理本质上酷似博弈论中的二人零和博弈,即非此即彼的胜负游戏。这场游戏中甲的存在价值就是无休止的挑战、质疑和审判乙,从而迫使乙不断调整方案,尽一切可能逃出甲的刁难。

这个玩法应用在机器学习中会有非常奇妙的化学反应。

GANs对这个原理的实现方式是让两个网络相互竞争。其中一个叫做生成器网络( Generator Network),它不断捕捉训练库中的数据,从而产生新的样本。另一个叫做判别器网络(Discriminator Network),它也根据相关数据,去判别生成器提供的数据到底是不是足够真实。

AI科普贴:生成对抗网络(GANs)为什么这么火?

(生成对抗网络运作原理)

有个非常生动的比喻来形容GANs,那就是生成器是假币制造者,判别器是警察。警察不断质疑假币上的种种漏洞,这就迫使假币制造者不遗余力地提高造假技术,造出无限接近真实的假币——这也就是GANs的核心目的,从数据中生成全新样本。

这个极具张力的想法,事实上是在理论层面解决了机器学习技术长久以来的问题:如何促使机器学习的训练成果向着人类希望的方向前进。GANs简单粗暴地解决了这个问题,其给业界的震动之大, 极速时时彩,从它的蹿红速度中就可以得知。2015年GANs技术还名不见经传,2016年就达到了无处不在的火爆程度,甚至被专家称为“机器学习领域20年来最酷的想法”。

当然,这个想法的优势不仅仅是够酷,更重要的是它的应用空间非常巨大。

确实有点心动:GANs的应用场景

简单的生成与判别关系,在大量重复学习运算之后,可能带来的行业想象力十分巨大。其最大的亮点是,其他AI技术还在标榜稳定性、兼容性,以及与多种技术的融合程度,GANs却能直截了当地告诉你我能干什么。在醉心AI创业的世界投创圈里,这无疑是一副上好的瘾物。

那么GANs到底能干什么呢?基本原理上看,它可以通过不断的自我判别来推导出更真实、更符合训练目的的生成样本。这就给图片、视频等领域带来了极大的想象空间。综合来看,GANs至少在以下几个方向上可能提供全新的动力:

一、 图像处理:目前网上流传最广的案例,就是通过GANs来生成全新图像,其在真实度和准确度上甚至超过了人工作业。

AI科普贴:生成对抗网络(GANs)为什么这么火?

(通过GANs为花卉图片上色,拟合优度已经非常可观)

在真实工作场景中,为黑白图像上色、通过低清晰度的图片获得高清版本、复原受损图片都可以运营GANs来解决。当然这仅仅是GANs技术的低配版,目前甚至有实验证明了可以用GANs来把图片变成视频。未来如果这个技术成真,电影拍摄的成本都可以大大降低。

(来源:中国书铺网)

织梦二维码生成器
已推荐
0
  • 凡本网注明"来源:的所有作品,版权均属于中,转载请必须注明中,http://www.aotatm.com。违反者本网将追究相关法律责任。
  • 本网转载并注明自其它来源的作品,目的在于传递更多信息,并不代表本网赞同其观点或证实其内容的真实性,不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时,必须保留本网注明的作品来源,并自负版权等法律责任。
  • 如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。






图说新闻

更多>>