[[412060]]

然而盡管深度神經(jīng)網(wǎng)絡(luò)在某些任務(wù)上取得了跟人類相當(dāng)或超過人類的表現(xiàn)，但計(jì)算機(jī)在人類特有的“想象力”技能方面仍在做著苦苦的掙扎。

現(xiàn)在，南加州大學(xué)(USC)一個(gè)由計(jì)算機(jī)科學(xué)教授Laurent Itti、博士生Yunhao Ge、Sami Abu-El-Haija和Gan Xin組成的研究團(tuán)隊(duì)開發(fā)出了一種人工智能，這種AI能夠通過使用類似人類的能力來想象出一個(gè)具有不同屬性的從未見過的物體。

“我們受到人類視覺泛化能力的啟發(fā)，試圖在機(jī)器上模擬人類的想象力，”該研究的論文首席作者Ge說道，“人類可以通過屬性（如形狀、姿勢(shì)、位置、顏色）來分離他們所學(xué)到的知識(shí)，然后將它們重新組合以想象一個(gè)新的物體。我們的論文試圖用神經(jīng)網(wǎng)絡(luò)來模擬這一過程。”

AI的泛化問題

假設(shè)你想創(chuàng)建一個(gè)生成汽車圖像的AI系統(tǒng)。理想情況下，你可以為算法提供一些汽車的圖像，這樣它就可以從多個(gè)角度生成各種顏色的汽車。

這是AI長(zhǎng)期追求的目標(biāo)之一：創(chuàng)造出能進(jìn)行外推的模型。這意味著，只要給出幾個(gè)例子模型就應(yīng)該能夠提取出基本的規(guī)則并將它們應(yīng)用到它以前沒有見過的大量新例子中。但機(jī)器通常是在樣本特征上訓(xùn)練的，如像素，而不會(huì)去考慮對(duì)象的屬性。

想象力的科學(xué)

在這項(xiàng)新研究中，研究人員試圖用一種叫做消糾纏(disentanglement)的概念來克服這個(gè)限制。消糾纏可以用來產(chǎn)生深度偽造。Ge指出，通過這樣做，“人們可以合成新的圖像和視頻來用另一個(gè)人的身份代替原來的人，但卻能保持原來的運(yùn)動(dòng)。”

類似地，新方法采用一組樣本圖像--而不是像傳統(tǒng)算法那樣一次采集一個(gè)樣本--并挖掘它們之間的相似性以實(shí)現(xiàn)所謂的“可控解消糾纏表征學(xué)習(xí)”。

然后，它重新組合這些知識(shí)以實(shí)現(xiàn)“可控的新圖像合成”或可以稱之為想象力的東西。”這類似于我們?nèi)祟惖耐茢啵寒?dāng)一個(gè)人從一個(gè)物體看到一種顏色時(shí)我們可以很容易地把它應(yīng)用到其他物體上，通過用新的顏色替換原來的顏色。研究小組通過利用他們的技術(shù)生成了一個(gè)包含156萬張圖像的新數(shù)據(jù)集，這可能有助于該領(lǐng)域未來的研究。

理解這個(gè)世界

雖然“消糾纏”并不是一個(gè)新概念，但研究人員表示，他們的框架可以跟幾乎任何類型的數(shù)據(jù)或知識(shí)兼容。這擴(kuò)大了應(yīng)用的機(jī)會(huì)。如將種族和性別相關(guān)知識(shí)從等式中移除敏感屬性從而創(chuàng)造出更公平的AI。

在醫(yī)學(xué)領(lǐng)域，它可以幫助醫(yī)生和生物學(xué)家發(fā)現(xiàn)更多有用的藥物以將藥物的功能從其他屬性中分離出來，然后重新組合從而合成新的藥物。賦予機(jī)器想象力還可以幫助創(chuàng)造更安全的AI，如讓自動(dòng)駕駛汽車想象并避免在訓(xùn)練中看不到的危險(xiǎn)場(chǎng)景。

Itti說道：“深度學(xué)習(xí)已經(jīng)在許多領(lǐng)域展示了卓越的性能和前景，但這往往是通過淺層模仿發(fā)生的，它沒有對(duì)使每個(gè)對(duì)象獨(dú)特的單獨(dú)屬性擁有更深入的了解。這種新的分離方法，第一次真正釋放了AI系統(tǒng)的新想象力從而讓它們更接近人類對(duì)世界的理解。”