在某些方面人工智能(AI)已被证明强于人类，但是当涉及到人类的自然能力——想象力——时，神经网络仍还不够看。

一旦人类知道什么是猫，我们就可以很容易地想象出一只不同颜色的猫，或一只摆出不同姿势的猫，或一只处于不同环境中的猫。对于人工智能网络来说，人类这一能力这简直逆天，毕竟它们现在还停留在能够识别出猫(经足够训练)。

为了释放人工智能的想象力，研究人员想出了一种新的方法，使人工智能系统能够计算出一个物体应该是什么样子，即使以前从未真正见过。

南加州大学(USC)的计算机科学家Yunhao Ge说："我们受到人类视觉概括能力的启发，试图在机器中模拟人类的想象力。人类可以将他们学到的知识按属性分类——例如形状、姿势、位置、颜色——然后重新组合来想象一个新对象。我们的论文试图用神经网络来模拟这个过程。"

关键是推断--大量训练数据(如汽车的图片)，然后超越所见，进入未见。这对人工智能来说是困难的任务。

团队在这里想出的方法被称为可控的分离表征学习，类似于那些用于创建深度伪造视频的方法——分离样本的不同部分(所以在深度伪造视频的情况下，分离面部运动和面部身份)。

这意味着，如果人工智能看到一辆红色汽车和一辆蓝色自行车，那么它将能够为自己 "想象" 出一辆红色自行车——即使它以前从未见过。研究人员把这些放在一个框架中，他们称之为群体监督学习。

嗨，Siri plus 从训练数据中推断出新的数据。(Itti et al., 2021)

这项技术的主要创新之一是分组处理样本，并在此过程中建立起它们之间的语义联系。然后，人工智能能够识别它所看到的样本的相似性和差异性，利用这些知识来产生全新的东西。

南加州大学计算机科学家Laurent Itti说："这种新的拆分方法，第一次真正释放了人工智能系统的想象力，使它们更接近于人类对世界的理解。”

这些想法并非完全新颖，但在这里，研究人员已经进一步优化了概念，使方法更加灵活，并与其他类型的数据兼容。他们还将该框架开放了源代码，因此其他科学家可以更容易地利用他们的成果。

研究人员说，同样的方法也可以应用于医学和自动驾驶汽车领域，人工智能能够 "想象" 新的药物，或者将过去没有经过专门训练的新道路场景可视化。

Itti说："深度学习已经在许多领域展示了无与伦比的性能和前景，但往往是通过浅层次的模仿来进行，而没有更深入地了解使每个物体独特的独立属性。"

该研究已发表在2021年国际学习表征会议上，可点此阅读→https://openreview.net/forum?id=8wqCDnBmnrT

PREV : 今日带货：UFO飞碟炒面
NEXT : 发现了所有癌细胞共通的蛋白质分子开关