如果有人讓你畫一只小鳥，你大概得先線條起稿、補(bǔ)充細(xì)節(jié)，然后著色，整個(gè)過(guò)程也得個(gè)把小時(shí)。微軟最近發(fā)布了一項(xiàng)新的人工智能項(xiàng)目，名為繪畫機(jī)器人（drawing bot），可以將文字轉(zhuǎn)換成圖畫（text-to-image）。
1
對(duì)抗生成網(wǎng)絡(luò)
何曉東是微軟深度學(xué)習(xí)技術(shù)中心的負(fù)責(zé)人，也是 text-to-image 項(xiàng)目的核心人員之一。他說(shuō)，跟網(wǎng)絡(luò)搜索得到的圖片不同，繪畫機(jī)器人給你的圖案都是按照一定的指令一點(diǎn)一點(diǎn)畫出來(lái)的，也有可能它畫出來(lái)的東西這個(gè)世界上并不存在。
繪畫機(jī)器人的核心技術(shù)是對(duì)抗生成網(wǎng)絡(luò)（Generative Adversarial Network，即 GAN），聽這個(gè)是不是感覺(jué)很難懂想溜，別急，微軟亞洲研究院在知乎專欄里舉了個(gè)很好的例子。
女生拉男票給自己拍照，拍完第一張，女生說(shuō)：你要學(xué)一下誰(shuí)誰(shuí)誰(shuí)的構(gòu)圖；
拍完第二張，女生又說(shuō)，你要學(xué)一下誰(shuí)誰(shuí)誰(shuí)的調(diào)色；
拍完第三張，女生再說(shuō)，你要學(xué)一下誰(shuí)誰(shuí)誰(shuí)的感覺(jué)；
……反復(fù)幾次，女生才終于認(rèn)可了男票拍出來(lái)的照片。
這個(gè)男友拍照血淚史就是生成對(duì)抗網(wǎng)絡(luò)。生成對(duì)抗網(wǎng)絡(luò)它有兩個(gè)工作模型，一個(gè)負(fù)責(zé)根據(jù)文字生成圖片（generator），另一個(gè)根據(jù)文字評(píng)判生成的圖片（discriminator），這兩個(gè)模型不斷相互博弈、又相互學(xué)習(xí)，直到 discriminator 再也沒(méi)有能力判斷這個(gè)圖形，「生成模型」就可以出師了。
2
研究歷程
這個(gè)項(xiàng)目并不是最近新出的，何曉東與他的團(tuán)隊(duì)已經(jīng)研究了 5 年了。
他們最早推出過(guò)一個(gè) Captionbot，只要你上傳一張圖，這個(gè)人工智能就會(huì)自動(dòng)為圖片配一段文字；接著，他們又將這個(gè)技術(shù)進(jìn)一步發(fā)展，你可以根據(jù)圖片上的事物進(jìn)行提問(wèn)，人工智能會(huì)回答你提出的問(wèn)題。這個(gè)時(shí)期的技術(shù)，有點(diǎn)像小學(xué)生的看圖作文、看圖回答問(wèn)題。
早在 2017 年 1 月份，在 arXiv.org 上就何曉東團(tuán)隊(duì)登載了一篇介紹 text-to-image 的論文，這項(xiàng)技術(shù)名為生成對(duì)抗網(wǎng)絡(luò)（Attentional ，簡(jiǎn)稱 AttnGAN）。而最近微軟正在進(jìn)行的 text-to-image 項(xiàng)目，生成的圖畫質(zhì)量將是以前的 3 倍。
與根據(jù)圖片進(jìn)行文字描述技術(shù)相比，text-to-image 的難點(diǎn)在于，繪畫機(jī)器人要描繪出更多細(xì)節(jié)，而這些細(xì)節(jié)是文字?jǐn)⑹鲋兴鶝](méi)有的，這就要求你的人工智能自動(dòng)「腦補(bǔ)」。
研究繪畫機(jī)器人有極大的科研意義，這是計(jì)算機(jī)視覺(jué)研究（computer vision）和自然語(yǔ)言處理（natural language）這兩個(gè)研究領(lǐng)域的一次融合。怎么理解呢？計(jì)算機(jī)視覺(jué)研究的是機(jī)器如何去看，也就是說(shuō)讓機(jī)器像人眼一樣去看待這個(gè)世界、并且進(jìn)行圖像處理；而自然語(yǔ)言處理，研究的就是人與人工智能之間如何用我們?nèi)粘５恼Z(yǔ)言進(jìn)行交流。
3
繪畫機(jī)器人的實(shí)際應(yīng)用
繪畫機(jī)器人雖然目前仍處在研究階段，但是界內(nèi)預(yù)測(cè)，它一旦出現(xiàn)，將會(huì)有極大的實(shí)際用途。
比如，它可以作為畫家或者設(shè)計(jì)師的助理，甚至可以幫他們完成草圖。
根據(jù)何曉東的想象，繪畫機(jī)器人還可以幫助電影工作者，可以根據(jù)電影劇本直接生成影片，這可以節(jié)省大量的人力。電影從業(yè)人員莫哭。
人類為謀生奮斗了這么多年，沒(méi)想到最大的競(jìng)爭(zhēng)對(duì)手卻是機(jī)器人。而何曉東表示，人類和人工智能共同生活在這個(gè)地球上，雙方是需要找到一種溝通的方式的，而最好的溝通方式就是語(yǔ)言和圖像。這話好像很順耳，但是你有沒(méi)有覺(jué)得有細(xì)思極恐的感覺(jué)？
