新的神經網路即將問世，它看起來很恐怖

AiTechYun

編輯：xiaoshan

這一切是怎麼開始的?

生成式對抗網路進展

將典型的和經過良好研究的神經網路(如圖像分類器)看作是神經網路技術的大腦左半球。考慮到這一點，很容易理解什麼是生成式對抗性網路。它就是大腦右半球——聲稱對創造力負責的那個半球。

生成式對抗網路(GAN)是神經網路技術學習創造力的第一步。典型的GAN是一個經過訓練的神經網路，它使用圖像數據集和一些隨機雜訊作為種子來生成特定的主題圖像。到目前為止，GAN所創建的圖像質量很差，解析度也很有限。英偉達最近的研究表明，在高解析度的情況下，它能夠生成逼真的圖像，並在open-access中發布了這項技術。

GAN圖像的例子。有些是好的，有些是不好的

帶條件的GAN（Conditional GAN）和變分自動編碼器

有許多各種各樣的複雜的GAN類型。我們主要關心的是有條件的GANs和變分自動編碼器。帶條件的GAN不僅可以模仿「卧室」、「臉」、「狗」等寬類型的圖像，還可以深入到更具體的類別中。例如，Text2Image網路能夠將文本圖像描述轉換為圖像。

通過被連接到「意義」向量的不同的隨機種子，我們能夠產生無限數量的鳥類圖像，以匹配描述。

機會

GAN將能夠根據文本描述生成任意圖像。這將淘汰一些攝影和設計相關行業。下面是它的工作原理。

GAN可以通過隨機的種子產生無限數量的圖像。

個性化

這是讓人可怕的部分。這樣的網路不僅可以接收它需要生成的目標對象的描述，還可以接收描述你作為廣告消費者的信息，可以對你的個性、網頁瀏覽歷史、最近的交易和地理定位有一個非常深刻的描述，所以GAN會產生一次性的，獨特的，並且非常適合你的圖像。CTR正在飛速發展。

通過測量你的反應，GAN將針對你的弱點打造更適合你的廣告。

泡沫趨勢

所以，在一天結束的時候，我們將會在互聯網上看到一個完全個性化的內容。

每個人都將看到所有內容的完全定製版本，這是根據他的生活方式、觀點和歷史來定製的。在最近的美國大選之後，我們都目睹了這種泡沫格局的激化，情況將變得更糟糕。GAN將能夠精確地將內容定位給你，並且不受任何媒體的限制——從圖像廣告開始，到複雜的觀點和出版物，這些都是由機器產生。這將創建一個持續的反饋循環，根據你的交互不斷進行改進。而且會有不同的GAN之間的競爭。這是一場完全自動化的戰爭，以人類為戰場。這種趨勢背後的驅動力極其簡單——利潤。

這不是一個可怕的末日場景，而是在今天實際發生的。

這是好是壞?

我也不知道。但是，我們確實需要一些東西:對這一技術不可避免的到來的廣泛公眾討論和一個阻止它的備份計劃。所以，最好現在就開始思考——我們如何能與這個過程抗爭，同時從中獲益。

技術

最近遇到了一些技術上的限制，GAN所生成的圖像質量都很差，而且很容易被發現是假的。英偉達表示，它實際上可以生成1024×1024個非常真實的面部。為了推動技術發展，我們需要更快更大的GPU，更多關於GAN的理論研究，更多的關於GAN訓練的技巧，更多的標記數據集等等。

請注意，我們不需要新的動力源，量子處理器（但是他們確實有幫助），一般人工智慧滿足需求和其他一些純理論的東西。我們所需要的只是幾年時間，大公司就可能已經擁有了這樣的資源。

此外，我們還需要更智能的神經網路。我肯定希望Hinton等人在膠囊方法上取得進展，當然，我們將會率先在超解析度技術中實現這一目標，這將極大地受益於GAN的進步。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！