機器人的夢境是什麼樣子呢？透過Google新發佈的一系列圖片，告訴了我們可能的答案：建築、噴泉和橋樑融合為一幅景象，有如服用安眠藥後的催眠情況。

 

　　Google公司的圖像識別神經網絡，被「訓練」透過照片裡的建築、動物或者物件，辨識其特徵與相貌。這些由美麗變成有點恐怖的圖片，就是它創造的；但這些圖片是怎麼產生的呢？首先提供一張照片給圖像識別神經網絡，經由識別圖片裡的特徵，強調辨識出來的特徵修改圖片，被修改過的圖片會再次被送回網絡裡，又一次的辨識特徵與強調它們，不斷地循環重複；最後，這個工作迴圈會把原圖片的特徵，修改成超乎想像地誇張。

 

　　使用程度較低時，網絡可能只會創造出明顯經過銳化的圖像，這張圖片會變成像普通人使用Photoshop的濾鏡時都很熟悉的繪畫效果：

 

 

　　但是，假使這個網路運作的圖像裡，發現比較複雜的面貌或特徵（譬如動物），最後它會產生出一些令人不安的幻覺：

 

 

　　這個軟體甚至可以運作在純粹雜訊的圖片上，完全依照它自身的想像力去產生樣貌。

 

 

　　如果你用網絡集中在尋找建築物特徵上，在尋找辨識與增強的作用下，一張平凡無奇的雜訊圖片最後會變成這樣令人瞠目結舌：

 

 

　　除了展示之外它還有更多功能。神經網絡是機器學習的一個共同特點：它知道如何識別圖像，而不是一個精準的程式計算機，公司提供圖像給網絡，並且讓它自己去拼湊那些關鍵的特徵。

 

　　但那可能會導致軟體崩潰或者難以理解，因為我們不知道軟體會去檢查哪些特徵，又會選擇忽略哪些。舉例來說，我們希望網絡從雜訊圖片中找到啞鈴，網絡想的卻是肌肉發達的手臂拿著啞鈴。解決的辦法可能是提供更多單純只有啞鈴放在地上的圖片給軟體，直到它理解手臂不是啞鈴本身的一部分為止。

 

 

　　Google工程師在公司的研究部落格上解釋道：「神經網絡的其中一個挑戰，是準確地理解每一個圖層的情況。我們知道，網絡經過訓練，日復一日越來越高程度的擷取圖片裡每個圖層的面貌，直到最後一個決定性的圖層顯示出圖片的內容。舉例來說，第一層找邊緣與角落，中間那些圖層說明全部形狀或組成的基礎樣貌，像是一扇門或者一片葉子，最後的幾層則組裝成完整的樣貌。這些網絡神經在面對建築物群或者樹木群時，會引發這樣的反應。」

 

　　他們接著補充：「其中一種具象化的方式，是把網絡倒過來，增強輸入圖片的品質，藉此去引發特定的圖像解讀，想知道哪個類型的圖片會產生『香蕉』的結果，從用一張充滿隨機雜訊的圖片開始，然後逐步地扭曲這張圖片，讓網絡解讀的最後結果成為一根香蕉。」

 

　　圖像辨識軟體目前已經運用在消費產品上，新的Google相片服務「Google Photos」特別提供文字搜尋選項：像是輸入「狗」，它就會找出所有Google上所能找到有關狗的圖片，但偶爾也會出現其他非犬類的四隻腳動物。

 

　　現在我們知道，機器人不只會夢到電子羊，他們還會夢到如催眠般、多采多姿的景像。

 

 

 

原出處：The Guardian