鈦媒體注：本文來(lái)源于微信公眾號(hào)量子位（ID：QbitAI），作者：岳排槐、安妮，鈦媒體經(jīng)授權(quán)發(fā)布。
上面那張圖，畫(huà)的是鴨子還是兔子？
自從1892年首次出現(xiàn)在一本德國(guó)雜志上之后，這張圖就一直持續(xù)引發(fā)爭(zhēng)議。有些人只能看到一只兔子，有些人只能看到一只鴨子，有些人兩個(gè)都能看出來(lái)。
心理學(xué)家用這張圖證明了一件事，視覺(jué)感知不僅僅是人們看到了什么，也是一種心理活動(dòng)。但是，這張圖到底應(yīng)該是什么？
上周四，有位學(xué)者決定讓沒(méi)有心理活動(dòng)的第三方看一下。然后就把這張圖片給了谷歌AI，結(jié)果AI認(rèn)為78%的概率是一只鳥(niǎo)，68%的概率是一只鴨子。
所以，百年?duì)幷摽梢孕耍盔喿优蓜俪觯?/p>
不不不，新的爭(zhēng)論剛剛開(kāi)始。
這下難倒了谷歌AI
上面那個(gè)結(jié)論剛出，就有人跳出來(lái)“抬杠”。
只要把這張圖豎起來(lái)給AI看，它認(rèn)為是一只兔子，壓根就沒(méi)有鴨子的事兒。
咦？谷歌AI反水了？
為了搞清楚這件事，供職于BuzzFeed的數(shù)據(jù)科學(xué)家Max Woolf設(shè)計(jì)了一個(gè)更復(fù)雜的實(shí)驗(yàn)，他干脆讓這張圖旋轉(zhuǎn)起來(lái)，倒是要看看，谷歌AI什么表現(xiàn)。
就是這么一轉(zhuǎn)，成了推特上的熱門(mén)。
咱們以鴨子嘴（兔子耳朵）為參考，說(shuō)下這個(gè)實(shí)驗(yàn)的結(jié)果。過(guò)程如下所示。紅色代表兔子，藍(lán)色代表鴨子。
圖片順時(shí)針旋轉(zhuǎn)。谷歌AI最初認(rèn)為是鴨子，鴨子嘴指向9點(diǎn)方向。隨著鴨子嘴向上轉(zhuǎn)到10點(diǎn)方向，很快谷歌AI就認(rèn)為畫(huà)里面是兔子了，直到鴨子嘴轉(zhuǎn)到2點(diǎn)方向之后。此后一段時(shí)間，谷歌AI認(rèn)為既不是鴨子也不是兔子。一直到7點(diǎn)方向，谷歌AI再次肯定是一只鴨子。
有人說(shuō)此刻谷歌AI的內(nèi)心，可能就像迪士尼動(dòng)畫(huà)兔八哥里的這個(gè)場(chǎng)景。
還有人給了更多類(lèi)似的挑戰(zhàn)圖片，想考驗(yàn)一下谷歌AI的水平。
比如這種：
以及這種：
等等等等……據(jù)說(shuō)能看出來(lái)鴨子，又能看出來(lái)兔子，說(shuō)明一個(gè)人的想象力更好。
大家如果有興趣，可以自己去嘗試。
這里用到的谷歌AI，實(shí)際上是谷歌的Cloud Vision。這個(gè)服務(wù)提供了預(yù)訓(xùn)練的機(jī)器學(xué)習(xí)模型，可以用來(lái)理解圖片內(nèi)容。地址在此：
https://cloud.google.com/vision/
頁(yè)面上提供了Try the API，直接傳圖就行~
鴨兔幻覺(jué)
“鴨兔同圖”問(wèn)題讓不少網(wǎng)友犯了難，這是一個(gè)比“雞兔同籠”更玄幻更有意思的問(wèn)題。還有一大波人類(lèi)，正常嘗試判斷AI的心理狀態(tài)……
網(wǎng)友sangnoir認(rèn)為，糾結(jié)圖中到底是什么完全沒(méi)有意義，圖像本身中既包含了兔子又包含了鴨子，人類(lèi)尚且覺(jué)得兩者都在，何必非得讓AI去做“二選一”的定性呢？
下面這個(gè)數(shù)字大家都認(rèn)識(shí)，但是旋轉(zhuǎn)起來(lái)，到底是幾呢？
若旋轉(zhuǎn)起來(lái)，圖片是“6”還是“9”？
談到旋轉(zhuǎn)，更進(jìn)一步，之前有個(gè)“旋轉(zhuǎn)舞者”的問(wèn)題更困難，下面這個(gè)小人到底是順時(shí)針還是逆時(shí)針旋轉(zhuǎn)，人類(lèi)的看法也兵分兩路↓↓↓
實(shí)際上，當(dāng)你視線(xiàn)以從左往右的方向掃過(guò)這張圖時(shí)，你看到的是逆時(shí)針轉(zhuǎn)圈，反之，當(dāng)你先看到的是右邊時(shí)，你眼中的她是順時(shí)針的。在計(jì)算機(jī)視覺(jué)上，還有一個(gè)專(zhuān)門(mén)的名詞解釋這個(gè)現(xiàn)象，即多穩(wěn)態(tài)/雙穩(wěn)態(tài)感知。
也有網(wǎng)友表示，這件事恰恰反映了AI識(shí)別物體的能力已經(jīng)高于人類(lèi)了。
他認(rèn)為，之所以Google Cloud Vision會(huì)連續(xù)給出不同答案，是因?yàn)锳I系統(tǒng)每隔一段時(shí)間就會(huì)基于旋轉(zhuǎn)的圖像重新判斷并實(shí)時(shí)更新。
而人類(lèi)的大腦往往就卡在第一印象了，所以才會(huì)咬定一個(gè)物種不放松。
也有人表示，這件事也啟發(fā)了視覺(jué)從業(yè)者反思AI識(shí)別物體時(shí)的方向問(wèn)題。
比如網(wǎng)友Sharlin就認(rèn)為，人類(lèi)在判斷物體時(shí)對(duì)于空間的認(rèn)識(shí)具有先驗(yàn)性，用這樣的標(biāo)注數(shù)據(jù)訓(xùn)練出的模型，在不知不覺(jué)中也將空間和方向等因素考慮在內(nèi)了。
但是，現(xiàn)在大多數(shù)視覺(jué)算法都想努力實(shí)現(xiàn)某種程度的旋轉(zhuǎn)不變性，還提出了“尺度不變特征轉(zhuǎn)化（SIFT）”等概念。“不變性”可能也反映了人類(lèi)的局限性，輸入方向也是一個(gè)重要考慮因素。
膠囊網(wǎng)絡(luò)或許可行
同一張圖片，由于位置不同，AI就產(chǎn)生了不同的判斷。也有很多人想到了更多。
傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)CNN架構(gòu)中有個(gè)弊端，就是缺乏可用的空間信息。
一般來(lái)說(shuō)，CNN提取、學(xué)習(xí)圖像特征來(lái)識(shí)別物體。拿面部識(shí)別任務(wù)來(lái)說(shuō)，底層網(wǎng)絡(luò)學(xué)習(xí)一般性特征（比如面部輪廓等），隨著層數(shù)的加深，提取的特征就越復(fù)雜，特征也精細(xì)到眼睛、鼻子等器官。
問(wèn)題來(lái)了，神經(jīng)網(wǎng)絡(luò)用它學(xué)習(xí)到的所有特征作出最后的輸出，但唯獨(dú)沒(méi)有考慮到可用的空間信息。人類(lèi)可以識(shí)別出下面這張有些錯(cuò)位的人臉，但CNN就不能。
其實(shí)，讓神經(jīng)網(wǎng)絡(luò)自己學(xué)會(huì)判斷空間的研究已經(jīng)有了。2017年，“深度學(xué)習(xí)”三巨頭之一的AI大牛Geoffrey Hitton就提出了一種“膠囊網(wǎng)絡(luò)”（Capsule Networks）的概念。
膠囊網(wǎng)絡(luò)的解決辦法是，實(shí)現(xiàn)對(duì)空間信息進(jìn)行編碼，也就是計(jì)算物體的存在概率。這可以用向量來(lái)表示，向量的模代表特征存在的概率，向量方向表示特征姿態(tài)信息。
在論文Dynamic Routing Between Capsules中，Hinton和谷歌大腦的同事Sara Sabour、Nicholas Frosst詳細(xì)解釋了“膠囊網(wǎng)絡(luò)”的詳細(xì)情況。
Hinton等人表示，人類(lèi)視覺(jué)系統(tǒng)中，有一個(gè)“注視點(diǎn)”的概念，能讓人類(lèi)在視野范圍內(nèi)只對(duì)極小部分的圖像進(jìn)行高分辨率處理。
這篇論文假設(shè)一個(gè)注視點(diǎn)帶給我們的信息不僅僅是一個(gè)識(shí)別對(duì)象及其屬性，還假設(shè)我們的多層視覺(jué)系統(tǒng)在每個(gè)注視點(diǎn)上都創(chuàng)建了一個(gè)類(lèi)似分析樹(shù)的東西，并忽略這些分析樹(shù)在多個(gè)注視點(diǎn)之間如何協(xié)調(diào)。
分析樹(shù)通?？縿?dòng)態(tài)分配內(nèi)存來(lái)構(gòu)建，但是這篇論文假設(shè)對(duì)于單個(gè)注視點(diǎn)來(lái)說(shuō)，分析樹(shù)是從固定多層神經(jīng)網(wǎng)絡(luò)中“雕刻”出來(lái)的，就像用石頭刻出雕像一樣。
神經(jīng)網(wǎng)絡(luò)的每一層會(huì)被分成很多組神經(jīng)元，每一組稱(chēng)為一個(gè)capsule，而分析樹(shù)的每個(gè)節(jié)點(diǎn)對(duì)應(yīng)著一個(gè)活躍的“膠囊”。
膠囊是輸出是一個(gè)向量，這篇論文中，在保持它方向不變的情況下應(yīng)用非線(xiàn)性縮小了它的量級(jí)，確保這個(gè)非線(xiàn)性輸出不大于1。
也正因?yàn)槟z囊的輸出是一個(gè)向量，確保了能使用強(qiáng)大的動(dòng)態(tài)路由機(jī)制，來(lái)確保這個(gè)輸出能夠發(fā)送到上層合適的parent處。
膠囊網(wǎng)絡(luò)現(xiàn)在的研究階段，就像本世紀(jì)初將RNN應(yīng)用于語(yǔ)音識(shí)別的階段。有非常具有代表性的理由相信這是一個(gè)更好的方法，但很多細(xì)節(jié)還需要接續(xù)觀(guān)察。
想看“膠囊網(wǎng)絡(luò)”的具體信息，請(qǐng)戳量子位此前報(bào)道：
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請(qǐng)綁定手機(jī)號(hào)后發(fā)表評(píng)論
左轉(zhuǎn)右轉(zhuǎn)，真的有趣，我已經(jīng)看半個(gè)小時(shí)了
標(biāo)題黨