微软的新AI从您的单词中创建了假照片

在我看来，鸟看起来完全是真实的。一种特色是羽毛的蓬松黄色腹部。另一个是森林绿色的尾巴，带有长长的喙，看起来非常适合从树皮上钩住虫子。但是我正在查看的这些照片是完整的小说。它们是直接来自微软最新AI的想象力的图像attngan。它们是通过在系统中键入句子来创建的，例如：“这只鸟是红色和白色，喙很短。”然后，Attngan生成了这些高度逼真的256 x 256像素照片，这些照片是虚构的。

“四年前，没有人相信可以做这件事，”该项目的主要研究员Xiaodong说。

确实，在过去的五年中，他一直在研究图像和单词的关系，训练AIS完成各种令人信服的任务。首先，他创建了一个名为Captionbot这可以使用单词来描述照片，这是一项研究，现在是一项可访问性功能，可以帮助使用Microsoft产品的视力受损。然后，他进一步推动了这项研究，创建了一个AI，可以回答您可能会问的有关照片的特定问题。

现在，与Attngan一起，他“关闭了循环”。换句话说，微软的AIS可以从单纯的单词中创建图像，然后另一个AI可以标题。

“ attngan”这个名称来自它的构建方式，这在一般层面上很容易理解。微软研究人员彼此之间进行了两个AIS（这是“ GAN”部分或生成对抗网络）。两者都接受了语言和庞大图像集的培训，但一个试图创建图像，而另一个则批评它们。从非常模糊的初始草图到完整的Fidelity最终模型，这种批评发生在三个阶段。正在进行的竞争改进了ATTNGAN，足以制作您今天看到的图像。

这些照片通常是现实的，尽管分辨率相对较低，而且在现实主义之外，它们的定制细节也很有特殊性。这是“ attngan”的“注意力”部分，因为每个图像的AI微调非常小的区域到口头规格。例如，这意味着鸟可以具有极为具体的特征，例如蓝喙，黄色的喙，长喙或短喙。从分辨率到即兴创作，再到包含有限细节，都比Google的广义素描AI。甚至Adobe的怪异图像创建工具所有都是从实际照片开始的，而不是空白的画布。

attngan是观鸟者的梦想，能够以可信的方式产生无数定制的鸟类。但是，鸟类的照片相对可预测：大多数是将鸟类栖息在树上的树枝上的鸟类，当您要求它绘制鸟时，它很容易被Attngan即兴。但是请问attngan将这些物体从它们的上下文中脱颖而出，并将其与其他一些物体混合在一起，而事情变得不那么糟糕。他说：“如果系统中对象存在复杂的属性或关系，那么机器会感到困惑，并绘制一些不如我们希望的东西。”

当研究人员要求它绘制超现实的“红色双层公共汽车漂浮在湖泊上”时，发现了Attngan的局限性的一个很好的例子。由此产生的照片看起来更像是一条模糊的红色和白色船。背景似乎影响了这个主题，将两者当作一个。公共汽车不会开车！所以阿特甘拔船。

在另一种案例中，研究人员要求“一个女孩吃一大片披萨的图像”。女孩的形状实际上很棒。但是，这张发明的肖像中几乎所有其他一切都脱颖而出。它看起来很奇怪。

他总结说：“机器仍然需要学习很多常识，以画出复杂物体的良好图片。”的确，在这两种失败的情况下，Attngan似乎都了解了要的要求，但是它缺乏根本的世界对观察关系，无法令人信服地吸引它们。这种逻辑对于地面的想象力是必不可少的。即便如此，他也没有受到威胁。在短短几年内，他坚持认为这些AI模型将大大改善，并且随着计算机加载更多的记忆力，研究人员也将能够使最终图像更大，更详细。鉴于他的进步了最后十年，很难不同意。

最终，他认为Attngan风格的技术将完全改变创意工具。他想象Bing图像搜索根据需要发明照片 - 例如，如果您要求停车牌在天空中飞来飞去，而Istockphoto上没有这样的东西。但是快进一点，他看到该系统为艺术家或为设计师的房间布局生成图像，这些系统只需要进行一些调整即可令人信服。他甚至认为，在可预见的未来有一天，这样的AIS将能够将脚本翻译成交钥匙动画电影。

但是，目前，该研究旨在模糊人类思维与机器思维之间的界限。“这很有趣。这是一个基本的人工智能问题，‘什么是智力？是什么使我们与动物分开？''他沉思。“我们知道如何表达自己，并且知道如何阅读图像。[重复]对我而言，这类事情是一种[重现]人类一般智力的方法。”