智東西（公衆号：zhidxcom）

編譯 | 徐珊

編輯 | 雲鵬

智東西7月16日消息，據外媒Tech Xplore報道，南加州大學的研究團隊在2021年學習代表國際會議發表了名為《基于組監督和零樣本的學習（Zero-Shot Synthesis with Group-Supervised Learning）》的論文，他們正在研究如何讓AI模仿人類的想象過程，以合成或了解從未見過的事物。

當我們去想象一隻貓在長城上奔跑時，我們大腦中的一系列神經元将會被快速激活，然後在大腦中呈現不同的圖像。這個想象的過程對人類來說很簡單，對于深度神經網絡系統來說很難。盡管它在某些領域中取得了超過人類的表現，但該系統仍難以做到人類的“想象”。

研究人員通過解耦（Disentanglement）技術讓AI産生與人類相似的“想象力”，以合成不同屬性的、前所未見的物體。研究人員認為，這項技術不但可以協助人們合成新藥，而且還能提高自動駕駛汽車的安全性，并且讓人工智能消除數據算法帶來的潛在偏見。

“我們受到人類視覺概括能力（human visual generalization capabilities）的啟發，試圖在AI中模拟人類的想象”，該研究的第一作者（lead author）葛雲皓說，“人類可以按屬性（例如形狀、姿勢、位置、顔色）将他們已知的信息分類，然後将它們重新組合去想象一個新的事物。我們的研究主要通過神經網絡系統模拟這個過程。”

一、AI難以分清事物的屬性特征

事實上，如果你想讓一個AI可以自行生成一張汽車圖像，理想情況下，您可以通過為這個AI提供幾張汽車的圖像，它就可以從顔色、類型等角度生成多種類型的汽車，如紅色的保時捷，綠色的皮卡等。

完成這類的任務是人們設計AI的長期目标之一——AI創建可以推斷的模型（models that can extrapolate）。這意味着當人們給AI幾個樣本時，AI就應該能從這些樣本中提取基本的共性，并将它們應用于大量的新事物中，即便AI此前從未見過這樣的事物。但是目前AI最常接受的樣本特征訓練是像素等，這些并不需要考慮對象的屬性。

比如說，長方形的木闆，具有長方形、木質、闆等屬性，但AI并不清楚長方形的木闆有哪些屬性，它隻能從給定的一些木闆圖片中提取事物的共性如木闆長度相同，而這些共性不一定都是事物的屬性。因此目前大部分AI模型都難以分清事物的屬性特征。

二、通過“解耦”讓AI理解事物屬性

在該項目中，研究人員試圖使用“解耦”的概念來克服AI模型難以分清研究對象不同屬性的難題。

簡單來說，解耦是指就是當你直接替換事物的某個特性時，對原來事物的理解不造成影響。

比如說，你有一台黑色的電腦，并且從未見過黑色的水杯，但是你知道水杯是什麼樣的。你會将從黑色的電腦上知道什麼是黑色的， 然後将這個概念應用于水杯上，你就知道黑色的水杯是什麼樣的。在這個過程中，你就實現了“解耦”。

來源：Tech Xplore

與傳統算法一次隻分析一個樣本不同，AI學習拆解事物的屬性需要通過解耦技術分析一組樣本圖像，并挖掘它們之間的相似性，實現“可控解開表征學習（controllable disentangled representation learning）”。然後，AI将重新組合這些屬性信息，以實現“可控的新圖像合成（controllable novel image synthesis）”，或者可以叫做“想象力”。

葛雲皓以變形金剛為例解釋，“AI可以采用威震天的形狀，大黃蜂的外觀和動作，以及紐約時代廣場的背景進行‘想象’。最終，即使在此前訓練期間AI從未見過這個場景，它也将呈現這樣的一幅畫面：在時代廣場，黃色的威震天做着大黃蜂标準動作。”

這樣的想象方式有點類似于人類的推斷行為，當人們看到一個物體的顔色時，我們可以用新顔色替換原始顔色，并輕松地将輕松地推斷這個顔色的其他物體會是什麼樣的。

解耦還可以應用于深度僞造技術（deepfakes）。例如，将人臉的運動和人的身份分開，AI模型可以将A的身份替換為B，但保留A的動作，合成新的圖像和視頻。

此外，在進行該項研究時，該研究團隊生成了一個156萬張的圖像數據集（dataset），可以幫助相關領域的研究團隊開展研究。

三、拆開後重組事物屬性後，“解耦”可協助研發新藥

雖然解耦并不是一個有關AI“想象力”的新設想，但研究人員表示，他們的設計框架可以讓AI适應于大多數的數據和知識領域，這将擴大AI“想象”的應用範圍。此外，AI還可以從相關信息中完全抹除種族、性别等容易造成歧視的屬性，讓人們的信息在被數據分析時，得到相同的處理方式。

在醫學領域，學會分辨屬性的AI可以幫助醫生和生物學家發現更多有用的藥物。AI将藥物的功能與藥物的其他特性分開，然後将不同藥物的特性重新組合，以合成新藥。

不僅如此，當AI具有“想象力”後，它還可以幫助創建更安全的人工智能。比如說，它讓自動駕駛汽車“想象”如何避開訓練中從未遇見的危險場景。

“深度學習在很多領域都展示了較大的前景，但這些往往通過讓AI淺層模仿（shallow mimicry）人類行為發生的，這些技術并沒有更深入地了解每個研究對象獨一無二的屬性特征”，計算機科學教授Laurent Itti說，“第一次真正地釋放了人工智能的想象力，使它們能更加理解人類是如何看待世界的”。

結語：AI解耦或成“雙刃劍”

南加州大學的研究團隊通過解耦技術，讓AI能夠分清事物的不同屬性。并且，AI可以将不同事物的屬性重新組合，形成以前從未見過的事物。該技術還可以讓自動駕駛汽車避開從未遇見過的危險前景，以及協助合成新藥物。

當AI學會了如何拆解事物的屬性之後，可以重新幫助人們了解事物的多樣性，提高人們對事物認知。但是當AI解耦應用于造假時，又将給人們造成一定危害。AI解耦技術或成為一把“雙刃劍”，而人們在利用AI技術優勢時，如何掌控好技術的“缰繩”，人們還将繼續探索。

來源：Tech Xplore