““猫鼠游戏”让人工智能更“聪明””

本篇文章1183字，读完约3分钟

青岛新闻网社北京3月19日电(记者刘石磊)目前人工智能的计算力、识别力高速发展，但想象力、创造力仍然遇到瓶颈。 为了解决这个极限，科学家设计了类似“猫鼠游戏”的技术，使人工智能在自动学习中变得更“聪明”。

该技术被称为“抗性神经网络”技术，美国“麻省理工学院技术评论”日前被评为年度“世界十大突破性技术”之一。

人工智能的识别能力依赖于大量的样本学习。 例如，通过“观看”数百万鸟类的照片，可以“认识”鸟类。 此外，生成逼真的鸟类图像更加困难。 其局限性是有些东西缺乏大量的样本，而且这种学习依赖人类的“灌输”，缺乏自主性。 这受限于人工智能的迅速发展，特别是想象力、创造力这一更高级的东西。

美国人伊恩·古德菲洛在加拿大蒙特利尔大学攻读博士学位时，想到了利用两个神经网络进行数字版“猫鼠游戏”的设计方案。 一个负责“假”，另一个负责“检真”，在对抗中高涨。

负责“伪”的神经互联网被称为“互联网的生成”，根据“见过”的照片生成新的照片。 这需要总结规则，发挥想象力和创造力。 负责“验证”的神经互联网被称为“判别互联网”，根据培训积累的“经验”，需要评价某张图片是真实的还是互联网的“自制”“假货”。

做互联网并不是一开始就足够“聪明”的。 例如，你可能认为鸟有三条腿。 这样的“假货”当然容易被发现。 但是，随着机器学习的深入，对抗练习，生成互联网理解事物越来越深入，最终生成足以“伪乱真”的作品。

这种神经互联网有广泛的应用价值。 例如在自动驾驶行业，如果大量制作人工智能接近真实的合成图像，就会包括各种情况下的行人、障碍物等道路状况，自动驾驶系统可以利用这些图像开展自我训练，大幅提高应用性。

香港中文大学教授李鸿升认为，除了在机器翻译、人脸识别、新闻检索等各个方向的具体应用外，对抗性神经网络的价值和意义还在于其中蕴含的对抗性思想，这有助于改进现有的人工智能算法。

从技术上讲，抗性神经网络已经接近成熟。 来自美国芯片公司英伟达的研究人员利用明星照片训练系统，产生了数百张根本不存在，但真实的脸部照片。 研究小组让系统生成了看起来很真实的梵高油画。

显示出了很大的可能性，这项技术迅速发展带来的负面影响也不容忽视。 例如不法分子利用这样的系统制作图像和视频混淆视听，有可能给监管和安全带来新的挑战。 古德菲洛说，他目前的研究重点是不引起这种技术滥用问题，“希望不要走上错误的道路”。

中科院自动化研究所副所长刘成林表示，我国研究机构目前正在致力于进一步改进和优化抗性神经网络理论。 敌对神经网络的理论基础、算法和应用还处于较大的快速发展空之间。

中国公司界倾向于将技术应用于服务，在一点行业领先。 例如，百度利用该技术构建语音识别框架，AlibabaCloud (阿里巴巴云)城市大脑利用该技术生成训练数据集，优化车牌的准确识别功能。

(责任编辑王韵)