人工智能VS人工智能，无监督学习会有突破？

谷歌的一个项目正在试图让两种人工智能算法相互对抗,希望未来可能会有这种智能机器的出现。

在谷歌大脑人工智能实验室里,研究人员开发出了一种被称为“生成对抗网络”(GAN)的系统。传统人工智能使用输入来“训练”一种算法,通过输入大量信息“训练”某一特定的主题。算法训练后的知识可以用于特定的任务,例如面部识别。GAN从这些学习信息中生成新的内容,基于对类似的真实生活图像和视频的理解,创造出新图片和视频内容。

谷歌的做法是将两种算法相互对抗,进一步完善它们的“想象力”。一个人工智能机器人根据它所学到的真实世界来创造新的内容,而另一个机器人则指出这些创造中的不完美和不准确内容。这使得系统能够创造出更逼真的图像、声音和其他原创作品,比一个机器人单独工作时要逼真得多。

在未来,这一过程,可能让机器人在无人工参与的情况下学习新的信息——这一过程被称为“无监督学习”,这将成为人工智能技术的巨大飞跃。

在Google Mind工作的Ian Goodfellow博士对《Wired》说:“如果人工智能机器人能想象出现实的细节,学习如何想象现实的图像和现实的声音,这将鼓励人工智能了解真实存在的世界的结构,你可以把它想象为艺术家和艺术评论家,生成模型能蒙骗艺术评论家,让艺术评论家误以为它产生的图像是真实的。”

人工智能系统依赖于神经网络,它试图模拟大脑工作的方式来学习。这些网络可以用于训练来识别信息的模式,包括语音、文本数据或视觉图像,这是近年来人工智能发展的基础。他们使用来自数字世界的输入来学习,例如谷歌的语言翻译服务、Facebook的面部识别软件和Snapchat的美化滤镜等实用程序。

但是,输入这些数据的过程可能非常耗时,而且仅限于一种类型的知识,为了扩大这种机器学习的极限,谷歌早已开始设计相互对抗的人工智能机器人了。

今年2月,谷歌的一个团队就使用了他们设计的一款游戏来测试对抗性算法是否会协同工作,还是相互攻击。这些实验表明,人工智能很有可能会根据情况而协同工作。实验结果增加了我们对复杂的多主体系统的理解和控制,比如经济、交通系统或生态健康——所有这些都依赖于我们持续的合作