6月21日，谷歌的圖像識別神經(jīng)網(wǎng)絡(luò)不但可以識別圖像，而且可以制造出人意料的奇幻景象。

　　機器有什么夢想?谷歌新發(fā)布的一些機器識別圖像為我們給出了一個可能的答案：將不同的景物合成一種奇幻風景。

　　這些照片是由谷歌的圖像識別神經(jīng)網(wǎng)絡(luò)產(chǎn)生的，該網(wǎng)絡(luò)已被“教育”，以識別建筑物、動物和物體等圖像。

　　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)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濾鏡的人應該對此感到不陌生：

　　但是，如果神經(jīng)網(wǎng)絡(luò)被要求識別更復雜的圖像，——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)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)具有機器學習的一個共同特征：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，研究人員要求神經(jīng)網(wǎng)絡(luò)在一幅隨機噪聲圖像中識別啞鈴，發(fā)現(xiàn)它認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。

　　“神經(jīng)網(wǎng)絡(luò)面臨的一個挑戰(zhàn)是逐層識別。例如，第一層可以識別邊緣或拐角。中間層識別基本特征，以尋求整體的形狀或部件，例如門或葉子的形狀。最后幾層將這些組合成一個完整的圖像，在識別非常復雜的事情時，——如整個建筑物或樹木，這些神經(jīng)元很活躍。”谷歌的工程師解釋說。

　　圖像識別軟件已經(jīng)成為消費產(chǎn)品，如谷歌新的照片服務Google Photos。Google Photos可以根據(jù)文本搜索圖像：例如，你輸入“狗”，它將提供谷歌找到的所有包含狗的照片(偶爾也會出現(xiàn)其他四足哺乳動物的照片)。

　　所以，未來機器人的夢想將不僅僅是制造電子綿羊，它們的夢想是制造出更加令人吃驚的夢幻奇景。