万圣节来临,又可以用人工智能搞事情了

姓名:闫伟  学号:15020150038

转载自:https://zhuanlan.zhihu.com/p/48112665,有删节。

【嵌牛导读】:一年一度的万圣节又到了,在视万圣节为重要节日的美国,如何穿一身吸引眼球的万圣节服装已经成为社交网络的热门话题。但是怎么想出个好点子,在万圣节好好打扮一番,还是要颇费一番脑筋的。于是,就有人琢磨着让人工智能帮我们想出新颖的万圣节服装创意,比如我们去年万圣节时分享过的趣事——美国科罗拉多州的机器学习专家 Janelle Shane 让一个 AI 帮她想出一些好玩的万圣节装扮点子

【嵌牛鼻子】:万圣节 机器学习

【嵌牛提问】:如何用机器学习打造一款万圣节装扮?

【嵌牛正文】:

当时 Janelle Shane 搭建了一个神经网络,然后用含有大量万圣节服装名字的数据集训练它,神经网络会从中学习,最后自己创作出一些万圣节服装名字。去年 Janelle 在推特上号召广大网友搜罗一些有趣的万圣节服装名字,然后发送到她的网站Aiweirdness.com上。最终收集了 4500 个名字。

今年又到圣诞节,Janelle Shane 决定和《纽约时报》一起合作,继续玩这个项目。这次她使用了一个叫 textgenrnn(https://github.com/minimaxir/textgenrnn)的机器学习算法,它能学习和模仿文本数据。训练算法用的数据是过去一年通过Aiweirdness.com和《纽约时报》收到的读者们发送的万圣节服装名,共 7182 个。经过训练后,算法想出了一些万圣节打扮的点子,比如下面这些:

图:从左至右分别为:僵尸学生妹;烤面包机男孩;唐纳德·麦当劳

也可以试试扮成身边的盆友?

将数据展示给 textgenrnn 算法后,它就会自动学习拼写这些单词和词语,完全不用人类帮助。首先算法预测哪些字母应当按怎样的顺序来组成一个万圣节服装的名字,然后再通过查看训练它的数据来检查它生成的名字合不合理。如果差的太离谱(一般刚开始都会这样),算法会继续优化内部结构。就这样,AI 的生成结果越来越好。

比如在第一个训练周期,AI 生成的东西完全不知所云:

到了第三个周期,总算是能明白它在说什么了,像什么“教授猫”之类,但绝对打扮不出来:

到了第五个周期,好多了,比如“性感小宝贝”“弗兰肯斯坦的兔兔”等,像那么回事儿了:

到了第七个周期,生成的一些服装打扮开始有开脑洞的迹象,比如套着内裤的勺子,或者罩着一个大箱子:

到了第九个周期,AI 创作的万圣节服装已经有模有样了,比如“雷神版海盗”“草莓王冠”:

到了第十一个周期,AI 终于生成了可以让我们直接拿来参考的服装点子,比如“龙忍者”“人首马身的女巫”“鲨鱼头的吸血鬼”等等:

我们可以看到,随着训练周期一步步增加,AI 的学习能力和创造能力也不断提高。Janelle Shane 还展示了 AI 大开脑洞后的一些佳作:

性感圣诞老人:

性感男巫:

机器人海盗:

还有一个很有意思的现象。一开始神经网络完全不了解输入数据,既不知道字母和空格之间的差别,也不知道怎么拼写单词。后来一遍又一遍的训练后,算法身经百战见的多了,开始学习到了一些东西。果然,AI 最先学会的其中一个词就是“性感”,原因嘛也很简单——网友发来的万圣节服装里很多都有这么个字眼。于是 AI 创作了一大堆“性感”作品,虽然很多并不存在:

有时 AI 也会偷懒,从训练数据中直接拷贝了一些服装名字,它之所以这么干是因为我们告诉它要尽可能地生成和训练数据一样的东西,那么在 AI 看来,拷贝训练数据是最完美的解决方法了。看来还是很机灵的,甚至有点可怕。

所以《纽约时报》评论道,这或许才是万圣节中最令人毛骨悚然的地方——我们很难说清楚 AI 到底是怎么想出这些名字的,即便我们仔细查看神经网络内部的神经元,仍然难以解释它们为了做出预测所学习的规则。

除了让 AI 想出万圣节服装的点子之外,还有个叫 Matt Reed 的程序员用 AI 生成了万圣节面具。他将几千副万圣节面具图像输入到一个生成式对抗神经网络(GAN)中,让它识别其中的数据模式,之后 AI 创作出了它自己的万圣节面具:

虽然看着模糊不清,但吓人的效果还是达到了的。

不管是创作万圣节服装还是生成万圣节面具,人工智能越来越会搞事情了,期待明年的万圣节会有更好玩的玩法。

参考资料:

https://www.nytimes.com/interactive/2018/10/26/opinion/halloween-spooky-costumes-machine-learning-generator.html

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,265评论 6 490
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,078评论 2 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,852评论 0 347
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,408评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,445评论 5 384
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,772评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,921评论 3 406
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,688评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,130评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,467评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,617评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,276评论 4 329
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,882评论 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,740评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,967评论 1 265
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,315评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,486评论 2 348

推荐阅读更多精彩内容

  • 文章主要分为:一、深度学习概念;二、国内外研究现状;三、深度学习模型结构;四、深度学习训练算法;五、深度学习的优点...
    艾剪疏阅读 21,807评论 0 58
  • 不能说偶尔,是经常性的,我突然不知道该干些什么,于是就发呆,等我反应过来后又苦恼现在该做什么。于是,陷入了无...
    ccccj阅读 176评论 0 0
  • 栋梁谋国谏朝堂,史册美名扬。 雕像公园矗立,人来人往端详。 末等草芥,尊前敬仰,亦生惆怅。 半百年龄已过,前程依旧彷徨。
    鱼在海阅读 457评论 3 4
  • #每日金句:信心、毅力、勇气,三者俱备,则天下没有做不成的事。 【早起打卡】20180707 反思日记 【践行人员...
    勢在必行阅读 294评论 0 0
  • 这个漫长又短暂的假期,转眼间就快要过去了,我还真有一点不舍,这个假期我觉得我做的一点都不好,所以在小学最后...
    郑潇榕阅读 311评论 0 1