邓侃解读：DeepMind如何教AI自主学会画画？

给你一幅油画，问你是不是梵高风格，这个问题很容易回答。但是让你用文字描述，什么是梵高风格，却很难清晰地界定。

如何让电脑自动模仿梵高油画？DeepMind 想了一个办法。

1. 用强化学习算法，像走迷宫那样，在画布上涂抹颜色。刚开始时，不妨把强化学习算法设定为随机行走。一通乱走，直到把画布填满。

2. 强化学习算法需要设定报酬函数，评定算法的好坏，然后反复调整算法参数，使得报酬最大。刚开始时，随机涂鸦的作品，当然离梵高风格差距很大。差距越大，报酬越低。反复调整算法参数，使之获得的报酬越来越高。直到报酬不再增长，训练过程结束。

3. 设计一个报酬函数，如果电脑的作品，与梵高作品越相似，那么报酬越高。如何设计报酬函数呢？一个办法是做一个分类器（classifier），如果这个分类器，能够轻而易举地辨别电脑的作品，不是梵高油画，那么报酬越低。反之，如果分类器傻傻分不清哪一幅是电脑作品，哪一幅电脑作品，那么说明电脑已经模仿得很像，这时报酬很高。

DeepMind 用这个算法，教电脑模仿手写体数字，教电脑画头像。最后成像效果不错，但是笔划顺序不对。

原因是，模仿的参照物是静态的图像，而静态的图像不存在绘图的笔划顺序。

这个现象引发三点思考：

1. 本质上来说，让电脑绘图，无非是确定图像中每个像素的值。从这个意义上来说，不需要笔划顺序。因此，填满像素的最佳算法，应该不是强化学习这种强调顺序路径的算法。

2. 但是人类作画时，是很强调笔划顺序的。倒笔画会有什么伤害？常见的回答是，容易把字写歪。为什么倒笔画容易把字写歪？是人类肌肉适合从上到下，从左到右运动？如果是这样，电脑就无所谓倒笔画了。

3. 梵高的油画，中国的水墨，是很强调笔触顺序的。如何从静态的作品中，识别笔触顺序，然后把正确的顺序，融入强化学习的报酬函数？

以下为DeepMind博客译文：

完全自学、不需任何人类标注数据集

在人类的眼中，世界并非只是我们眼角膜上呈现的图像。比方说，当我们观赏建筑时，我们在赞叹其复杂设计的同时，也能领会到建造建筑所需要的工艺。人类可以通过工具来理解工具所创造出的物体，这让我们可以更好地理解世界，这种能力是人类智能非常重要的一面。

我们希望我们的系统在观察世界时也可以生成同样丰富的表征。例如，当系统观察一幅绘画的图像时，我们希望系统除了可以识别出屏幕上表示这幅画的像素外，还可以理解作画时画笔的笔触。

在本研究中，我们为人工智能体（artificial agents）配置了用来生成图像的工具。实验结果表明系统可以推理出生成数字、文字和绘画的方法，重要的是这些系统完全通过自学，没有借助任何人类标记的数据集。

图片来源： Shutterstock

我们设计了一个深度强化学习agent，这个agent可以与一个计算机绘画程序进行交互，在数字画布上作画，还可以改变画笔的大小、笔触压力和颜料颜色。在开始时，没有经过训练的agent只是乱画一通，看不出任何意图或构造。为了解决这个问题，我们创造出了一种奖励agent的机制，以使其生成有意义的绘画。

为此，我们另外训练一个名叫“判别器”的神经网络，用来预测某一幅绘画是由agent生成的，还是通过从真实照片数据集中采样得出的。绘画agent获得多大奖励取决于它成功“骗过”判别器的次数——也就是让判别器相信绘画是真实的。这种方法与生成式对抗网络（GANs）中使用的方法类似，不同之处在于GAN中的生成器通常是一个可以直接生成像素的神经网络。但是，我们的agent生成图像的方式是通过编写绘图程序来与绘画环境进行交互。

在第一组实验中，我们训练agent生成类似MNIST数字的图像：我们让它观察数字的模样，而不是教它如何画出这些数字。通过生成可以骗过判别器的图像，agent学习如何控制画笔，使画出的结果符合不同数字的样式，这种方法称为“视觉程序合成”（visual program synthesis）。

我们还训练agent生成特定图像。在本研究中，判别器的任务是判断生成的图像是通过复制目标图像得出的，还是由agent生成的。生成的图像让判别器越难判断，agent获得的奖励就越多。

可解释、可扩展到真实数据集

重要的是，这个框架是可解释的，因为它生成的是一系列控制虚拟画笔的动作。这意味着在类似的其他环境中，模型可以利用从模拟绘画程序中学到的模式再创造字符。例如，模拟或真实的机器手臂。请看视频：

该框架还可以扩展到真实的数据集中。当我们训练agent作出名人的脸部画像时，它能够捕捉到人物脸部的主要特征，例如形状、色调和发型，它可以像街头艺术家一样用不多的笔触就可以完成一幅肖像画。

从原始感知中找出有结构的表征是人类与生俱来的一种能力，在现实生活中我们经常使用这种能力。在本研究中，我们证明了：通过赋予AI我们再创造世界所用的工具，我们可以让智能体学习生成类似的表征。通过这种方法，artificial agent可以学习生成视觉程序，用以表示让它们得出观察的因果关系。

虽然我们的工作只让我们离实现灵活的程序合成更近了一小步，但是我们认为，如果要让AI拥有和人类一样的认知、归纳和沟通能力，可能要用到类似的方法。

原文发布时间为：2018-03-29

本文来自云栖社区合作伙伴新智元，了解相关信息可以关注“AI_era”微信公众号

原文链接：