“美国大学让AI设想“看不到的东西” 可提高自动驾驶汽车的安全性”

盖世太保新闻想象有一只橙色的猫，然后想象这只猫是煤灰色的，现在，再想象一下。 这只猫在长城上堂堂正正地走着。 这样想象的话，人类大脑中的一系列神经元就会迅速被激活，基于之前对世界的认识就会产生各种各样的图像。 也就是说，人类容易想象具有不同属性的物体。 但是，在深度神经互联网中，执行某种任务可以获得与人类相同或超越人类的性能，但计算机在“想象”技能方面与人类竞争。

据外国媒体报道，美国南加州大学的研究小组利用与人类相似的能力，开发了可以想象具有前所未有的不同属性的物体的人工智能( ai )技术。 这个小组由laurent itti教授、博士生yunhao ge、sami abu-el-haija和gan xin组成。 研究人员说:“我们希望受到人类视觉泛化能力的启发，在机器中模拟人类的想象力。 人类可以根据形状、姿势、位置、颜色等属性，分离所学的知识，再结合这些知识来想象新的物体。

新ai系统的灵感(照片来源:南加州大学) ) )。

ai泛化问题

例如，假设您想创建一个可以生成车辆图像的ai系统。 理想情况下，你可以给这个算法提供一点车辆的照片，并且它可以生成保时捷、庞蒂亚克、皮卡等各种颜色、各种立场的各种汽车。

这也是ai长期以来追求的建立可外推模型的目标之一。 这意味着，只要给出一点例子，该模型就可以提取基本规则，并将这样的规则应用于新奇的、从未见过的各种例子。 但是，机器一般只训练像素等样本的特征，不考虑物体的属性。

想象力的科学

在这次新的研究中，研究者试图利用被称为分离( disentanglement )的概念来克服这个限制。 例如，分离可以生成“深度脸部”( deepfakes )，将人脸的运动和身份分离后，可以合成新的图像和视频，将原来的人替换为另一个身体，但仍然是原来的脸的运动。 有点像变脸技术。

用新的方法训练与图像组合的图像(图像来源:南加州大学) ) )。

上述方法不像传统算法那样只使用一个样本，而是新方法使用很多样本照片，挖掘两者的相似性，从而获得“可控分离特征学习”( controllabledisentangledrepress )

然后，这种做法重新组合知识，实现“可控的新图像合成”，或者人们所说的想象。 例如以变形金刚为例，可以使用百万斤顶的形状，但使用的是黄色大黄蜂的颜色和姿势，以及纽约时代广场的背景。 最后，黄色大黄蜂颜色的威震天在时代广场奔跑。 训练中没有人看到这个样本。

然后，这种做法重新组合知识，实现“可控的新图像合成”，或者人们所说的想象。 例如以变形金刚为例，可以使用百万斤顶的形状，但使用的是黄色大黄蜂的颜色和姿势，以及纽约时代广场的背景。 最后，黄色大黄蜂颜色的威震天在时代广场奔跑。 训练中没有人看到这个样本。

了解这个世界

虽然分离不是新概念，但研究人员表示，该框架几乎与所有类型的数据和知识都兼容，可以扩大其应用范围。 例如，通过将敏感属性从等式中移动，分离种族和性别的相关知识，从而实现更公平的ai。

在医学行业，这项技术将药物的功能从其他属性中分离出来，通过重新组合合成新的医药，可以让医生和生物学家发现更有用的药物。 赋予机器想象力也有助于制造更安全的ai，例如自动驾驶车在训练中想象并避开前所未有的危险场景。