簡單的說，拿到一張圖片，生成模型需要懂得圖片中需識別的物體的較為完整的信息，需要懂得此物體的構(gòu)建的過程（所謂“生成”）。因為生成模型本身“懂”物體，天然地它就可以“創(chuàng)造”新的、未見的物體實(shí)例。如下圖，一旦Vicarious的模型懂得了字符“A”，它就可以“想象”出很多種可能的“A”的實(shí)例。也就是說，如果在實(shí)際場景中觀察到這些不同變化的“A”，Vicarious的模型都可以很好的識別出來。
當(dāng)然，從應(yīng)用角度來說，基于深度學(xué)習(xí)的判別模型更容易上手，但生成模型有更強(qiáng)的解釋性，大部分變量都有實(shí)際的意義，更容易調(diào)試(debug)，在通往建立通用人工智能（AGI）的道路會更有競爭力。
此外，人腦的工作模式更有層次感，比如人眼觀察東西，先是從形狀出發(fā)，接下來可能是看顏色，在往下可能是材料和材質(zhì)。深度學(xué)習(xí)則往往無法不能很好的把問題分解(factorization)，而Vicarious的模型能夠很好的把問題分解，更接近于人類的思考方式。
Vicarious此次公開的三篇論文和生成模型有關(guān)，另外兩篇是《Hierarchical compositional feature learning》和《A backward pass through a CNN using a generative model of its activations》（微信回復(fù)“論文”獲得三篇論文的下載鏈接）。
Vicarious的技術(shù)特點(diǎn)二：基于神經(jīng)科學(xué)和腦科學(xué)的成果
Vicarious約有20%的神經(jīng)科學(xué)家和腦科學(xué)家，來研究人腦的工作機(jī)制和人的行為特點(diǎn)，這是Vicarious的一大特點(diǎn)。剩下50%約為機(jī)器學(xué)習(xí)背景的研究者，來基于神經(jīng)科學(xué)和腦科學(xué)模型來建模，還有一部分是計算機(jī)視覺的研究者。
Vicarious認(rèn)為認(rèn)知（Perception）依舊是人工智能的最大難點(diǎn)之一，所以Vicarious目前研究的重點(diǎn)是視覺(Computer Vision)，主要出發(fā)點(diǎn)是在現(xiàn)實(shí)世界中，視覺是非常重要的輸入來源，而針對視覺的腦科學(xué)研究也有些突破。
而基于腦科學(xué)的一些研究，能夠為建立模型帶來很多啟發(fā)，比如Vicarious發(fā)表在NIPS上的論文，里面就利用了腦科學(xué)上非常成熟的成果：人類的神經(jīng)系統(tǒng)系統(tǒng)普遍存在的側(cè)向抑制的現(xiàn)象，這引導(dǎo)Vicarious在他們在模型上實(shí)現(xiàn)了側(cè)向約束（Lateral Constraints）。
在字母驗證碼識別這個具體問題上，Vicarious基于生成型形狀模型的系統(tǒng)能夠只用1406張圖片作為訓(xùn)練集，就超越了利用深度學(xué)習(xí)的800萬圖片達(dá)到的效果。
Vicarious的顧問團(tuán)隊包括計算機(jī)視覺領(lǐng)域的斯坦福教授Fei-fei Li，神經(jīng)科學(xué)領(lǐng)域的UC Berkeley教授Bruno Olshausen 和UCLA教授Alan Yuille。
（Fei-fei Li）
Vicarious目前沒有自然語言處理和語音等方向的研究項目。
Vicarious如何賺錢？
Vicarious目前的商業(yè)化主要集中于倉儲機(jī)器人領(lǐng)域，希望通過提供高智能、高效率的機(jī)器人來支持現(xiàn)代商業(yè)中至關(guān)重要的產(chǎn)業(yè)，例如倉儲物流和工業(yè)生產(chǎn)線。另一方面，Vicarious的投資方對這個方向也表現(xiàn)出濃厚的興趣，例如ABB和亞馬遜等。
ABB是全球最大的工業(yè)機(jī)器人公司，而Vicarious正努力將他們的研究成果把機(jī)器人變得更智能。而亞馬遜的倉儲機(jī)器人也有潛在的應(yīng)用場景。
由于目前深度學(xué)習(xí)的局限性，深度學(xué)習(xí)很難達(dá)到通用人工智能。Vicarious目前的研究，是深度學(xué)習(xí)的有益補(bǔ)充。
無論是在學(xué)術(shù)界還是工業(yè)界，研究方向和產(chǎn)品的多樣性都有利于推進(jìn)人工智能的進(jìn)步。
文章來源：微信公眾號硅谷密探
（責(zé)任編輯：柳蘇源 HN091）
登陸|注冊歡迎登陸本站，認(rèn)識更多朋友，獲得更多精彩內(nèi)容推薦！