當前，人工智能的計算力、識別力快速發(fā)展，但想象力、創(chuàng)造力仍有不足。為破解這一局限，科學家設計出一套類似“貓鼠游戲”的技術(shù)，讓人工智能在自動學習中變得更“聰明”。

這種技術(shù)被稱為“對抗性神經(jīng)網(wǎng)絡”技術(shù)，美國《麻省理工學院技術(shù)評論》日前將其評為2018年“全球十大突破性技術(shù)”之一。

人工智能的識別能力有賴于海量樣本學習，比如給它“看”數(shù)以百萬計的鳥類圖片，它才能“學會”辨認鳥類，而生成逼真的鳥類圖像則更難。其局限性在于，有些事物缺乏海量樣本，而且這種學習還依賴人類的“灌輸”，缺少自主性。這限制了人工智能的發(fā)展，特別是向想象力、創(chuàng)造力這種更高層次的進階。

美國人伊恩·古德費洛2014年在加拿大蒙特利爾大學讀博士時想出一套設計方案：用兩個神經(jīng)網(wǎng)絡，進行數(shù)字版的“貓鼠游戲”——一個負責“造假”，一個負責“驗真”，從而在對抗中不斷提高。

負責“造假”的神經(jīng)網(wǎng)絡稱為“生成網(wǎng)絡”，它依據(jù)所“見過”的圖片來生成新圖片，這需要它總結(jié)規(guī)律、發(fā)揮想象力和創(chuàng)造力;負責“驗真”的神經(jīng)網(wǎng)絡稱為“判別網(wǎng)絡”，它需要憑訓練累積的“經(jīng)驗”，來判斷某張圖片是真實事物，還是生成網(wǎng)絡“自創(chuàng)”的“假貨”。

生成網(wǎng)絡并非一開始就足夠“聰明”，比如它可能“認為”鳥類會有3條腿，這樣的“假貨”當然很容易被發(fā)現(xiàn)。但隨著機器學習的深入和反復對抗練習，生成網(wǎng)絡對事物的理解越發(fā)深刻，最終生成足以“以假亂真”的作品。

這樣的神經(jīng)網(wǎng)絡具有廣泛應用價值。比如在自動駕駛領域，人工智能如果創(chuàng)造出海量接近真實的合成圖片，包含各種情形下的行人、障礙物等路況，自動駕駛系統(tǒng)使用這些圖片展開自我訓練，將有助于大幅提高應用性。

香港中文大學教授李鴻升認為，除了在機器翻譯、人臉識別、信息檢索等諸多方向的具體應用，對抗性神經(jīng)網(wǎng)絡的價值和意義還在于其蘊含的對抗性思想，這有助于改進現(xiàn)有人工智能算法。

從技術(shù)上看，對抗性神經(jīng)網(wǎng)絡已經(jīng)接近成熟。來自美國芯片企業(yè)英偉達的研究人員用明星照片訓練出一套系統(tǒng)，進而生成了數(shù)百張根本不存在但看起來很真實的人臉照片。還有研究團隊讓系統(tǒng)生成看起來十分逼真的梵高油畫。

展現(xiàn)巨大潛力的同時，這項技術(shù)發(fā)展帶來的負面影響也不容忽視。比如不法分子可能利用此類系統(tǒng)制造出圖片甚至視頻來混淆視聽，給監(jiān)管、安全帶來新挑戰(zhàn)。古德費洛就表示，他當前的研究重心就在于避免這類技術(shù)的濫用問題，希望它“不至于誤入歧途”。

中國科學院自動化研究所副所長劉成林介紹說，中國的研究機構(gòu)目前致力于研究對抗性神經(jīng)網(wǎng)絡理論的進一步改良及優(yōu)化。對抗性神經(jīng)網(wǎng)絡的理論基礎、算法和應用，都還有很大的發(fā)展空間。

中國企業(yè)界則更傾向于把技術(shù)應用在服務中，并在一些領域達到了業(yè)界領先。比如，利用這項技術(shù)構(gòu)建語音識別框架，或借此技術(shù)生成訓練數(shù)據(jù)集以優(yōu)化車牌精準識別功能。