對抗性神經(jīng)網(wǎng)絡(luò )憑啥入選MIT2018十大突破性技術(shù)

　　日前，《麻省理工科技評論》刊文評出了2018年十大突破性技術(shù)，“對抗性神經(jīng)網(wǎng)絡(luò )”(GAN)赫然在列。

　　什么是對抗性神經(jīng)網(wǎng)絡(luò )?為什么它能入選MIT十大突破性技術(shù)?它的發(fā)展脈絡(luò )如何?與我們此前耳熟能詳的神經(jīng)網(wǎng)絡(luò )有什么區別?能夠應用在人工智能的哪些場(chǎng)景?還有哪些關(guān)鍵問(wèn)題有待攻克?

　　中國自動(dòng)化學(xué)會(huì )混合智能專(zhuān)委會(huì )副主任、中國人工智能學(xué)會(huì )機器學(xué)習專(zhuān)委會(huì )常委、復旦大學(xué)博士生導師張軍平教授在接受科技日報記者采訪(fǎng)時(shí)做了深入淺出的解釋。

　　故事中的GAN幻影

　　張軍平告訴記者，雖然GAN是科技領(lǐng)域的“新貴”，但其實(shí)在很久以前的中外小說(shuō)中就能看到這個(gè)想法的影子。

　　這個(gè)想法最早可以追溯到奧地利小說(shuō)家斯蒂芬·茨威格寫(xiě)于1941年的小說(shuō)《象棋的故事》。

　　在該小說(shuō)中，主人公B博士被長(cháng)期囚禁在納粹集中營(yíng)中。在想盡了各種擺脫空虛和孤獨的辦法卻徒勞無(wú)功后，B博士意外得到了一本國際象棋棋譜。

　　他背完書(shū)里的上千棋譜后，用送來(lái)的面包做了副國際象棋，開(kāi)始自己跟自己下棋，最終演變成一盤(pán)接一盤(pán)的相互瘋狂挑戰，這令他棋力大漲。出獄后，在一艘游艇上，他居然輕松地在首盤(pán)就擊敗當時(shí)的世界冠軍。

　　在中文小說(shuō)里也有類(lèi)似的影子，它出現在金庸寫(xiě)于1957年的武俠小說(shuō)《射雕英雄傳》中。

　　王重陽(yáng)的師弟周伯通被東邪“黃藥師”困在桃花島的地洞里。為了打發(fā)時(shí)間，周伯通就用左手與右手打架，自?shī)首詷?lè )。其武功決竅在于要先“左手畫(huà)圓、右手畫(huà)方”，分心二用，保證可以同時(shí)使出兩種武功，從而使得武力倍增。

　　這兩部小說(shuō)主人公功力大增的關(guān)鍵都是“自己跟自己決斗，試圖傾盡全力擊敗對方”，而結果都是練成后，去跟高手過(guò)招時(shí)能輕松秒殺對手。用一句俗話(huà)來(lái)解釋?zhuān)?ldquo;雙拳難敵四手”。

　　讓機器學(xué)會(huì )“左右互搏”

　　GAN網(wǎng)絡(luò )的原理本質(zhì)上就是這兩篇小說(shuō)中主人公練功的人工智能或機器學(xué)習版本。

　　一個(gè)網(wǎng)絡(luò )中有兩個(gè)角色，修煉的過(guò)程中左手扮演攻方，即生成器(generator)，試圖生成和自然世界中擬完成任務(wù)足夠相似的目標;右手扮演守方，即判別器(discriminator)，試圖把這個(gè)假的、生成的目標和真實(shí)目標區分開(kāi)來(lái)。經(jīng)過(guò)反復多次雙手互搏，左手右手的功力都會(huì )倍增，從而達到“舍我其誰(shuí)”的目標。

　　明白這個(gè)道理，就不難明白為什么GAN網(wǎng)絡(luò )一出，就有獨孤求敗的感覺(jué)了。

　　正是因為GAN網(wǎng)絡(luò )的機理是“雙手互搏、一心兩用”，所以，雖然最初的應用場(chǎng)景是針對圖像相關(guān)任務(wù)，但其機理是普適性的。只要能用這個(gè)“訣竅”的地方，都能把自己的功力提升一個(gè)檔次。不過(guò)，需要注意的是，GAN只把雙手互搏用來(lái)訓練自己“雙手”的功力。在多數實(shí)際應用中，它只用了自己千錘百煉出來(lái)的生成器，就得到了非常好的結果。

　　于是，自2014年GAN網(wǎng)絡(luò )被Ian J. Goodfellow等人提出，至今其演繹出的各種版本就像攻城掠地般在各個(gè)領(lǐng)域蔓延。

　　在今年的人工智能頂級會(huì )議IJCAI、機器學(xué)習頂級會(huì )議ICML和NIPS、深度學(xué)習著(zhù)名會(huì )議ICLR上，光讀參會(huì )論文的標題，就能發(fā)現大量GAN網(wǎng)絡(luò )的工作痕跡。圖像處理、計算機視覺(jué)、自然語(yǔ)言處理、語(yǔ)音識別、智能駕駛、安全監控……似乎GAN已經(jīng)無(wú)所不能了。

　　張軍平用幾個(gè)比較火的人工智能應用場(chǎng)景舉例——

　　在年齡估計中，GAN能通過(guò)攻守互搏，基于給定的人臉圖像實(shí)現對其人衰老或年輕時(shí)的樣貌生成。

　　在多視角人臉識別、跨視角步態(tài)識別領(lǐng)域，采用類(lèi)似的機理，實(shí)現對人臉角度和步態(tài)角度的自動(dòng)旋轉，從而有效提高了多視角、跨視角人臉和步態(tài)識別的精度。

　　在自動(dòng)駕駛領(lǐng)域，需要對智能汽車(chē)進(jìn)行復雜環(huán)境下的虛擬訓練。此時(shí)，就可以利用GAN來(lái)實(shí)現與實(shí)際交通場(chǎng)景分布一致的圖像生成。具體來(lái)說(shuō)，可以先給GAN輸入一張隨機噪聲圖像，通過(guò)其生成器來(lái)最小化與真實(shí)場(chǎng)景接近的圖像，同時(shí)判別器最大化生成場(chǎng)景與真實(shí)場(chǎng)景間的差異。經(jīng)過(guò)反復迭代的攻守博弈，從而獲得與真實(shí)環(huán)境一致的交通場(chǎng)景。

　　“不光在應用領(lǐng)域上有了突破，互搏的方式也有了不少變化。既然可以雙手互搏，那當然可以三手甚至更多手的互搏，也可以組團逐對互搏、成串互搏，諸如此類(lèi)。還可以把圓和方換成其他東西或者所謂的函數或結構來(lái)互搏。但萬(wàn)變不離其宗，內在的機理是不變的。”張軍平補充道。

　　GAN有什么“軟肋”

　　“毫無(wú)疑問(wèn)，這種可倍增‘功力’的技術(shù)入選MIT年度十大突破性技術(shù)是當之無(wú)愧的。但值得注意的是，這一技術(shù)仍然有較大需要改善的空間。”作為《IEEE Intelligent System》(智能系統)和《IEEE Transactions on Intelligent Transportation Systems 》(智能交通系統)等著(zhù)名期刊的編委，張軍平對GAN的“軟肋”了如指掌——

　　首先，對抗不好是容易出問(wèn)題的。比如那位B博士。國棋象棋的世界冠軍在覺(jué)察到他的強烈焦躁與急切情緒后，就有意識地放慢下棋速度。結果誘發(fā)了B博士的精神分裂，使得他再次陷入狂亂的自我對弈之中，最終才幡然醒悟而告別了棋局。對抗網(wǎng)也是如此，穩定性一直是其存在的問(wèn)題之一。盡管理論上Wasserstein GAN (WGAN)可以部分解決其收斂性問(wèn)題，但實(shí)際的效果還沒(méi)有達到盡人意的地步。

　　其次，槍打出頭鳥(niǎo)，既然這項技術(shù)這么牛了，過(guò)來(lái)挑戰的也不少。據不完全報告，似乎已經(jīng)有十五波“武林高手”對GAN網(wǎng)絡(luò )的抗擊打能力進(jìn)行了挑戰。極端情況，在圖像中加一個(gè)像素就可能使GAN網(wǎng)絡(luò )產(chǎn)生誤判。

　　第三，GAN網(wǎng)絡(luò )也是深度網(wǎng)絡(luò )的一種，在可解釋性這條路上，仍然沒(méi)有找到非常明確的方向。

　　最后，雙手互搏的基礎還是手。而這一基礎的結構并沒(méi)有從近幾十年來(lái)人工智能發(fā)展的框架中脫離出來(lái)。

　　因此，張軍平提醒，期望以GAN之奇技，從弱人工智能沖擊“能真正推理和解決問(wèn)題，且有知覺(jué)、有自主意識的”的強人工智能還遙遙無(wú)期。