You are currently at: ejtech.hkej.com
Skip This Ads
Don't Miss
Home   >   中國   >   GAN左右互搏 AI進化不靠人 (車品覺)

GAN左右互搏 AI進化不靠人 (車品覺)

By on June 14, 2018

本文作者車品覺，為紅杉資本中國基金專家合夥人、原阿里巴巴集團副總裁，為《信報》撰寫專欄「全民大數據」

GAN的神奇就在於兩個神經網路的相互對抗，兩者都在不斷試圖勝過對方。（法新社資料圖片）

GAN的神奇就在於兩個神經網路相互對抗，不斷試圖勝過對方。（法新社資料圖片）

過去幾年來，深度學習技術取得矚目進展，深度學習系統可以從足夠多的圖像進行學習，識別人臉情緒指數、X光片病症判斷等。這種方法已經讓一系列新事物成為可能，譬如自動駕駛汽車及聊天機器人。然而，儘管基於深度學習的人工智能系統能夠學習識別事物，它們卻一直不擅長創造事物。

直到最近，GAN（generative adversarial network）演算法為深度學習賦予新的想像力。Google科學家Ian Goodfellow在一次閒談中得到了讓兩個神經網路相互對抗的靈感，發明了被稱為「生成對抗網路」的演算法。GAN的神奇就在於兩個神經網路的相互對抗，模擬了一個「偽造者」和一個「鑑別師」之間的你來我往，兩者都在不斷試圖勝過對方，是不是有點金庸小說中周伯通的左右互搏呢？這項技術在機器學習領域引發了繼深度學習後另一個熱潮。

深度學習重大飛躍

香港科技大學的楊強教授就曾經用GAN方法，讓人工智能寫出「大數據」書法字體為我的新書封面所用。你可以想像為一個學生（機器學習A）努力臨摹名家字帖，在這過程中嚴格的老師（機器學習B）不斷給予回饋，直到連老師都被以假亂真為止。周而復始，A的書法水準會隨着不斷回饋而達到高手水平。這樣做不僅可以讓人工智能畫出漂亮圖畫或創作音樂，還可以減少人工智能在認識世界事物時對人類指導的依賴。未來，電腦將會更好地消化原始數據，在沒有人類指導的情況下自行搞清楚如何學習。這將標誌着人工智能領域所謂的「無監督學習」取得重大飛躍。

GAN最明顯的應用不僅在那些涉及大量圖像的領域，例如時裝及室內設計，更可以用於分析藥物治療效果。Facebook首席人工智慧科學家Yann LeCun把GAN稱為「過去20年深度學習領域最酷的想法」。

Google科學家Ian Goodfellow發明了「生成對抗網路」的演算法。（網上圖片）

Google科學家Ian Goodfellow發明了「生成對抗網路」的演算法。（網上圖片）

更多車品覺文章：

支持EJ Tech



如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。