假如有人讓你畫一只小鳥，你年夜概得先線條起稿、彌補細節，然后著色，全部進程也得個把小時。微軟比來宣布了一項新的人工智能項目，名為繪畫機械人（drawing bot），可以將文字轉換成丹青（text-to-image）。

1

反抗生成收集

何曉東是微軟深度進修技巧中間的擔任人，也是 text-to-image 項目標焦點人員之一。他說，跟收集搜刮獲得的圖片分歧，繪畫機械人給你的圖案都是依照必定的指令一點一點畫出來的，也有能夠它畫出來的器械這個世界上其實不存在。

繪畫機械人的焦點技巧是反抗生成收集（Generative Adversarial Network，即 GAN），聽這個是否是感到很難明想溜，別急，微軟亞洲研討院在知乎專欄里舉了個很好的例子。

女生拉男票給本身攝影，拍完第一張，女生說：你要學一下誰誰誰的構圖；

拍完第二張，女生又說，你要學一下誰誰誰的調色；

拍完第三張，女生再說，你要學一下誰誰誰的感到；

……重復幾回，女生才終究承認了男票拍出來的照片。

這個男朋友攝影血淚史就是生成反抗收集。生成反抗收集它有兩個任務模子，一個擔任依據文字生成圖片（generator），另外一個依據文字評判生成的圖片（discriminator），這兩個模子賡續互相博弈、又互相進修，直到 discriminator 再也沒有才能斷定這個圖形，「生成模子」便可以班師了。

2

研討過程

這個項目其實不是比來新出的，何曉東與他的團隊曾經研討了 5 年了。

他們最早推出過一個 Captionbot，只需你上傳一張圖，這小我工智能就會主動為圖片配一段文字；接著，他們又將這個技巧進一步成長，你可以依據圖片上的事物停止發問，人工智能會答復你提出的成績。這個時代的技巧，有點像小先生的看圖作文、看圖答復成績。

早在 2017 年 1 月份，在 arXiv.org 上就何曉東團隊刊登了一篇引見 text-to-image 的論文，這項技巧名為生成反抗收集（Attentional ，簡稱 AttnGAN）。而比來微軟正在停止的 text-to-image 項目，生成的丹青質量將是之前的 3 倍。

與依據圖片停止文字描寫技巧比擬，text-to-image 的難點在于，繪畫機械人要描寫出更多細節，而這些細節是文字論述中所沒有的，這就請求你的人工智能主動「腦補」。

研討繪畫機械人有極年夜的科研意義，這是盤算機視覺研討（computer vision）和天然說話處置（natural language）這兩個研討范疇的一次融會。怎樣懂得呢？盤算機視覺研討的是機械若何去看，也就是說讓機械像人眼一樣去對待這個世界、而且停止圖象處置；而天然說話處置，研討的就是人與人工智能之間若何用我們平常的說話停止交換。

3

繪畫機械人的現實運用

繪畫機械人固然今朝仍處在研討階段，然則界內猜測，它一旦涌現，將會有極年夜的現實用處。

好比，它可以作為畫家或許設計師的助理，乃至可以幫他們完成草圖。

依據何曉東的想象，繪畫機械人還可以贊助片子任務者，可以依據片子腳本直接生成影片，這可以節儉年夜量的人力。片子從業人員莫哭。

人類為營生斗爭了這么多年，沒想到最年夜的競爭敵手倒是機械人。而何曉東表現，人類和人工智能配合生涯在這個地球上，兩邊是須要找到一種溝通的方法的，而最好的溝通方法就是說話和圖象。這話似乎很順耳，然則你有無認為有細思極恐的感到？