注：2014年11月，谷歌研究院發(fā)表的一篇博文稱，未來谷歌的圖形識別引擎不僅僅能夠識別出照片的對象，還能夠?qū)φ麄€物理場景進(jìn)行簡短而準(zhǔn)確的描述，也就是“圖像識別神經(jīng)網(wǎng)絡(luò)”（簡稱“神經(jīng)元網(wǎng)絡(luò)”）。與谷歌對該技術(shù)進(jìn)行研究的還有Facebook。近日，兩家公司各自對透露了該項目的最新研究進(jìn)展。本文綜合了網(wǎng)易科技、騰訊科技的相關(guān)編譯報道。

神經(jīng)元網(wǎng)絡(luò)——人工大腦，其可以立即識別照片中人的面部、車輛、建筑物以及其他對象。但是，該系統(tǒng)局限性仍存。

該網(wǎng)絡(luò)基于機器語言翻譯方面的研究成果：通過一種遞歸神經(jīng)網(wǎng)絡(luò)（RNN）將一種語言的 語句轉(zhuǎn)換成向量表達(dá)，并采用第二個RNN將向量表達(dá)轉(zhuǎn)換成目標(biāo)語言的語句。

該網(wǎng)絡(luò)可以識別語音、將一種語言翻譯成另一種、定向投放廣告或者教會機器人開啟瓶蓋。如果將整個過程逆轉(zhuǎn)，人們可以讓該系統(tǒng)具備全新能力，不僅可以識別圖像，而且可以創(chuàng)造圖像。

Facebook表示，其正在教授自家的神經(jīng)元網(wǎng)絡(luò)完成創(chuàng)建包括飛機、汽車及動物在內(nèi)的圖像的任務(wù)，在40%的情況下，這些圖像足以讓我們相信自己看到的是真實照片。

而來自谷歌的研究人員則正在進(jìn)行截然相反的工作，他們通過神經(jīng)元網(wǎng)絡(luò)將真實的照片轉(zhuǎn)換成某種超現(xiàn)實主義的風(fēng)格。他們讓機器識別照片中熟悉的模式，然后對這些模式進(jìn)一步增強，然后在同一張照片中重復(fù)這一步驟。如果照片中的云朵有點像鳥，網(wǎng)絡(luò)就會使其變得更像鳥一點，周而復(fù)始，直至完全體現(xiàn)出一只鳥的樣子，其結(jié)果就是某種由神經(jīng)元網(wǎng)絡(luò)生成的抽象藝術(shù)畫作。

以下是谷歌的實驗過程

研究人員將圖片輸入圖像識別神經(jīng)網(wǎng)絡(luò)，并讓它識別該圖片中的一個特征，并修改圖片以強調(diào)這項特征。修改后的圖象然后被反饋到神經(jīng)網(wǎng)絡(luò)，并讓神經(jīng)網(wǎng)絡(luò)再次識別其他特征并強調(diào)它們。最終，這幅圖片被修改得面目全非。

在一個低水平上，這種神經(jīng)元網(wǎng)絡(luò)可以被用來檢測圖像的邊界。在這種情況下，這些圖像就像繪畫作品，使用過Photoshop濾鏡的人應(yīng)該對此感到不陌生：

但是，如果神經(jīng)元網(wǎng)絡(luò)被要求識別更復(fù)雜的圖像，——例如識別一頭動物，它會產(chǎn)生令人不安的奇幻圖景：

最終，這個軟件可以對隨機噪聲進(jìn)行識別，但生成的結(jié)果完全屬于自身的想象：

如果你讓一個用來識別建筑物的神經(jīng)元網(wǎng)絡(luò)去識別一幅毫無特征的圖像，它將產(chǎn)生這樣的結(jié)果：

這些照片是驚人的，但他們不僅僅是用來展示的。神經(jīng)網(wǎng)絡(luò)具有機器學(xué)習(xí)的一個共同特征：它不是向計算機輸入程序以讓它能夠識別特定的圖像，而是向它輸入許多圖像，并讓它自己整合這些圖像的關(guān)鍵特征。

但是，這可能會導(dǎo)致軟件更加出人意料。我們很難知道軟件正在審查哪些特征，以及它忽略了哪些特征。例如，研究人員要神經(jīng)元網(wǎng)絡(luò)在一幅隨機噪聲圖像中識別啞鈴，發(fā)現(xiàn)它認(rèn)為啞鈴一定是有手臂握住的：

解決方案可能是向它輸入更多放在地上的啞鈴圖像，直到它明白手臂并非啞鈴的內(nèi)在組成部分。

谷歌表示，通過將神經(jīng)元網(wǎng)絡(luò)的運行過程逆轉(zhuǎn)，傳授它們生成圖像的技巧，能夠讓人們更好的理解它們的運作機理。谷歌讓網(wǎng)絡(luò)對自己在圖像中發(fā)現(xiàn)了什么進(jìn)行描述。有時，它們只是發(fā)現(xiàn)了某個形狀的邊界；有時，它們發(fā)現(xiàn)了更加復(fù)雜的事物，例如位于水平線上一座塔的輪廓或者一棵樹中隱藏的建筑物。每一次，研究人員都能夠更好地理解該網(wǎng)絡(luò)。

雖然Facebook和谷歌在神經(jīng)元網(wǎng)絡(luò)呈像效果上有所差異，但跨越了“多層”人工神經(jīng)元還是能夠一致地完成特定任務(wù)。

通過該網(wǎng)絡(luò)，就特定層面的神經(jīng)元是如何理解一副圖像的問題，人們可以獲得一個量化的答案，這幫助研究人員通過可視化方式來理解神經(jīng)元網(wǎng)絡(luò)如何處理分類任務(wù)，進(jìn)而改進(jìn)網(wǎng)絡(luò)架構(gòu)以及判斷是否網(wǎng)絡(luò)通過訓(xùn)練完成了自我學(xué)習(xí)。