近日，蘋果發(fā)布了公司的首份人工智能報告，準確來說，是一份關(guān)于人工智能的學術(shù)論文，該論文闡述了一項最新的技術(shù)——如何通過計算機生成圖像、而非真實圖像來訓練一種算法的圖像識別能力，這篇報告的第一作者是蘋果研究員Ashish Shrivastav，曾是馬里蘭大學帕克分校計算機視覺的博士。
在這份報告中蘋果的研究結(jié)論是，在機器學習研究中，使用合成圖像來訓練神經(jīng)網(wǎng)絡(luò)要比使用真實圖像更有效。因為合成圖像數(shù)據(jù)已經(jīng)被標記和注釋，而真實的圖像數(shù)據(jù)需要有人耗費巨大的精力去標記計算機看到的每件事物。但合成圖像也有弊端，有的時候因為合成圖像不夠真實，導(dǎo)致神經(jīng)網(wǎng)絡(luò)智能了解到合成圖像中的細節(jié)，而對真實圖像的認識有所不足。為了解決這個弊端，提高合成圖像數(shù)據(jù)的訓練效果，蘋果研究人員推出了“模擬+無監(jiān)督”的學習方法，以提高模擬圖像的真實感。
在論文中，蘋果研究人員使用了“生成對抗網(wǎng)絡(luò)”（GAN），簡單來說是一種經(jīng)過修改的新型機器學習技術(shù)，讓兩個神經(jīng)網(wǎng)絡(luò)彼此對抗，從而生成更逼真的圖像。
更多資訊盡在愛盈利！
