人工智能培训

搜索

最新型的神经网络模型—生成对抗网络(GAN)!

[复制链接]
jerry1st 发表于 2018-4-9 20:47:49 | 显示全部楼层 |阅读模式
jerry1st 2018-4-9 20:47:49 1118 0 显示全部楼层
cWtERHhMfhoaTJ3t.jpg
如果把典型的、研究得很好的神经网络(如图像分类器)看作是神经网络技术的左半球。那么很容易理解什么是生成对抗网络。它是一种右半球——一个被宣称对创造力负责的半球。
生成对抗网络是神经网络技术学习创造力的第一步。典型的GAN是一种神经网络,其被训练成使用图像数据集和一些随机噪声作为种子来生成关于特定主题的图像。到目前为止,GANs创建的图像质量低,分辨率有限。NVIDIA最近的进展表明,它有能力产生高分辨率的真实感图像,他们以开放存取的方式公布了这项技术本身。
氮化镓图像的例子。有些是好的,有些是坏的。
条件高斯和变分自动编码器
GANs类型繁多,有各种各样的复杂性、体系结构和奇怪的首字母缩略词。我们在这里最感兴趣的是条件GANs和变分自动编码器。有条件的GANs不仅能够模仿“卧室”、“脸”、“狗”等广泛类型的图像,而且能够深入到更具体的类别。例如,text 2图像网络能够将文本图像描述转换为图像本身。
通过改变连接到“意义”向量的随机种子,我们能够产生无限数量的鸟类图像,匹配描述。
机会
让我们闭上眼睛,两年后看看这个世界。像NVIDIA这样的公司将把GAN技术推向行业就绪的水平,就像他们在名人面孔生成方面所做的那样。这意味着,GAN将能够基于文本(例如)描述来生成任何图像,即按需要、动态地生成。这将使许多摄影和设计相关行业过时。这是如何工作的。
同样,网络能够通过改变随机种子来生成无限数量的图像。
个性化
这是可怕的部分。这样的网络不仅可以接收它需要生成的目标对象的描述,还可以接收描述你的向量——广告消费者。这个广告可以非常深刻的描述你的个性,网页浏览历史,最近的交易和地理位置,所以GAN将产生一次,独特的,适合你。携程飞得很高。
通过测量你的反应,网络将适应并制作越来越精确的针对你的广告,击中你的弱点。
泡沫趋势
因此,在一天结束时,我们将在互联网上到处看到完全个性化的内容。
每个人都将看到所有内容的完全定制版本,这些版本根据消费者的生活方式、观点和历史进行调整。在最近的美国大选之后,我们都见证了这种泡沫模式的觉醒,而且会变得越来越糟糕。GANs将能够准确地将内容定向到您,而不受媒体的限制—从图像广告到机器生成的复杂意见、评论和出版物。这将创建一个持续的反馈循环,并根据您的交互进行改进。而且将会有一个不同的GANs之间的竞争。这是一场全自动的心理操控战争,以人类为战场。这种趋势背后的驱动力非常简单——利润。
这不是一个可怕的末日场景,这实际上发生在今天。
这是好还是坏?
我不知道。但我们当然不需要什么东西:关于这一技术不可避免的到来的广泛公众讨论,以及阻止这一技术的备份计划。因此,最好现在就开始思考——我们如何与这一过程作斗争,同时从中受益。
技术方面的事情
由于一些技术限制,我们还没有到那里。直到最近,GANs生成的图像质量很差,很容易被发现是假的。NVIDIA显示,它实际上可以生成1024 x1024张极其真实的脸。为了向前推进,我们需要更快、更大的GPU、更多的GAN理论研究、围绕GAN培训的更聪明的黑客、更多的标记数据集等。
请注意——我们不需要新的电源、量子处理器(但它们可以帮助)、通用AI或其他一些纯粹理论上的新酷东西来达到这一点。我们只需要几年的时间,而大公司可能已经拥有这种资源。
此外,我们还需要更智能的神经网络。我肯定在寻找韩丁等人的胶囊方法的进展。当然,我们将是第一个以超分辨率技术实现这一点的国家,这将从GAN的进步中受益匪浅。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则 返回列表 发新帖

jerry1st当前离线
新手上路

查看:1118 | 回复:0

快速回复 返回顶部 返回列表