211service.com
OpenAI:s fiktionsspjutande AI lär sig att skapa bilder
Ben Barry / OpenAI
I februari förra året, det San Francisco-baserade forskningslabbet OpenAI meddelat att dess AI-system nu kunde skriva övertygande stycken på engelska. Mata in början av en mening eller ett stycke i GPT-2, som det hette, och det skulle kunna fortsätta tanken lika länge som en uppsats med nästan mänsklig koherens.
Nu undersöker labbet vad som skulle hända om samma algoritm istället matades med en del av en bild. Resultaten , som fick ett hedersomnämnande för bästa uppsats vid veckans internationella konferens om maskininlärning, öppnar en ny väg för bildgenerering, mogen med möjligheter och konsekvenser.
I sin kärna är GPT-2 en kraftfull förutsägelsemotor. Den lärde sig att förstå det engelska språkets struktur genom att titta på miljarder exempel på ord, meningar och stycken, skrapade från internets hörn. Med den strukturen kunde den sedan manipulera ord till nya meningar genom att statistiskt förutsäga i vilken ordning de skulle visas.
Så forskare vid OpenAI bestämde sig för att byta ut orden mot pixlar och träna samma algoritm på bilder i ImageNet, den mest populära bildbanken för djupinlärning. Eftersom algoritmen utformades för att fungera med endimensionell data (d.v.s. textsträngar), vecklade de ut bilderna till en enda sekvens av pixlar. De fann att den nya modellen, som heter iGPT, fortfarande kunde förstå de tvådimensionella strukturerna i den visuella världen. Med tanke på sekvensen av pixlar för den första halvan av en bild, kan den förutsäga den andra halvan på sätt som en människa skulle anse vara vettiga.
Nedan kan du se några exempel. Kolumnen längst till vänster är inmatningen, kolumnen längst till höger är originalet och mittkolumnerna är iGPT:s förutsedda slutföranden. (Se fler exempel här .)
OPENAIResultaten är häpnadsväckande imponerande och visar en ny väg för att använda oövervakat lärande, som tränar på omärkta data, i utvecklingen av datorseendesystem. Medan tidiga datorseendesystem i mitten av 2000-talet testade sådana tekniker tidigare, föll de i onåd då övervakat lärande, som använder märkt data, visade sig vara mycket mer framgångsrikt. Fördelen med oövervakad inlärning är dock att det tillåter ett AI-system att lära sig om världen utan ett mänskligt filter, och det minskar det manuella arbetet med att märka data avsevärt.
Det faktum att iGPT använder samma algoritm som GPT-2 visar också på dess lovande anpassningsförmåga. Detta är i linje med OpenAI:s ultimata ambition för att uppnå mer generaliserbar maskinintelligens.
Samtidigt presenterar metoden ett angeläget nytt sätt att skapa djupfalska bilder. Generativa kontradiktoriska nätverk , den vanligaste kategorin av algoritmer som användes för att skapa djupförfalskningar tidigare, måste tränas på mycket kurerade data. Om du vill få ett GAN att generera ett ansikte, till exempel, bör dess träningsdata endast inkludera ansikten. iGPT, däremot, lär sig helt enkelt tillräckligt om strukturen i den visuella världen över miljoner och miljarder exempel för att spotta ut bilder som skulle kunna existera inom den. Även om utbildningen är dyr, är modellen fortfarande beräkningsmässigt dyr, och den erbjuder en naturlig barriär för dess åtkomst, vilket kanske inte är fallet på länge.
OpenAI beviljade inte en intervjuförfrågan, men i ett internt policyteammöte som MIT Technology Review deltog i förra året funderade dess policychef, Jack Clark, över de framtida riskerna med generering av GPT-stil, inklusive vad som skulle hända om det tillämpades på bilder. Video kommer, sa han och projicerade var han såg fältets forskningsbana gå. Om förmodligen fem år kommer du att ha villkorad videogenerering över en horisont på fem till 10 sekunder.' Han fortsatte sedan med att beskriva vad han föreställde sig: du matade in ett foto av en politiker och en explosion bredvid dem, och det skulle generera en sannolik produktion av att politikern dödades.
Uppdatering: Den här artikeln har uppdaterats för att ta bort namnet på politikern i det hypotetiska scenariot som beskrivs i slutet.