据雅昌数据显示:2016年上半年中国艺术品拍卖市场总成交…

艺术品

大数据文摘作品,作者| FAIZANSHAIKH,编译|曹翔,寒小阳,Aileen神经网络取得了长足的进步,目前识别图像和声音的水平已经和人类相当,在自然语言理解方面也达到了很好的效果。但即使如此,讨论用机器来自动化人类任务看起来还是有些勉强。毕竟,我们做的不仅仅是识别图像和声音、或者了解我们周围的人在说什么,不是吗?让我们看一些需要人类创造力的例子:通过学习大数据文摘过去的文章,训练一个可以撰写文章并将数据科学概念以非常简单的方式向社区解释的人工智能作者你不能从著名画家那里买到一幅名画。

但你可不可以创造一个人工智能画家,通过从画家过去的作品中学习,然后像任何艺术家一样画画?这些任务确实难以自动化,但是生成式对抗网络(GAN)已经开始使其中的某些任务成为可能。 如果你感到被GAN的名字所吓倒,别担心,看完这篇科普文章你就会发现这不是一个高深莫测的东西。在本文中,我将向您介绍GAN的概念,并解释其工作原理和面临的挑战。我还将让你了解人们使用GAN所做的一些很酷的事情,并提供一些重要资源的链接,以深入了解这些技术。                       不好意思,但是什么是GAN?深度学习领域的杰出代表YannLeCun在Quora上写道:“生成式对抗网络(GAN)及其相关的变化,是我认为的机器学习领域近十年最有趣的想法。

”当然他会有这样的观点。当我看到生成式对抗网络被最大程度执行时的惊人表现,我也同样印象深刻。但是什么是GAN呢?让我用个类比来解释这个概念:如果你想更加擅长某种东西,比如下棋,你会怎么做?你可能会和比你更强的对手对弈。你会分析你做错了什么、对方做对了什么,并思考下一场比赛如何才能击败他(她)。你会重复这一步骤,直到你击败对手。

这个概念可以被纳入到构建更好的模型中。所以简单来说,要获得一个强大的英雄(即生成器generator),我们需要一个更强大的对手(即鉴别器discriminator)。真实生活的另一个类比:一个更真实的类比是伪造者和调查员之间的关系。伪造者的任务是模仿著名艺术家的画作。如果这个伪造的作品能够超越原始的作品,那么这个伪造者就可以卖出这张作品换很多钱。

另一方面,艺术品调查员的任务是抓住这些造假的伪造者。怎么做呢,他知道什么属性能把原作和赝品区分开来。通过检验手中的作品是否是真的,他可以评估自己的知识。伪造者与调查员的竞赛继续进行,最终催生了世界级的调查员(很不幸以及世界级的伪造者)。这是一场善与恶之间的斗争。

GANs如何工作我们已经知道了GAN的概要,现在继续去了解细节部分。正如我们看到的,GAN有两个主要组成部分,生成器神经网络(GeneratorNeuralNetwork)和鉴别器神经网络(DiscriminatorNeuralNetwork)。

友情链接: