用神经网络向我比心: 有个当算法工程师的女朋友是这样一种体验

2018 年 2 月 14 日 机器之能 向你笔芯的

在这位工程师通过训练一个神经网络成功创造出浪漫信息后,单身狗程序员们你们得到了什么灵感?


编译 | 王宇欣

来源 | CNET


如今的人工智能技术可以轻易识别出照片当中的汪们,把我们的语音转换成电子邮件,还能被改造成一个贴心的机器男友或女友陪在你的身边。


的确,这些功能都给人留下很深的印象,但是它的创造力能帮我们在情人节吸引男神女神们吗?


或许这得取决于你是否认为「猪宝」「熊宝」「我的心肝」「爱的面包」……是能够让人接受的爱称。


Janelle Shane 是一家光学公司的研究工程师,还参与了神经网络的编程。他最近基于 360 条情人节甜心信息训练了一个机器学习系统,要求系统生成一些新的单词满足你的甜心们的喜好。


研究工程师 Janelle Shane 训练了一个神经网络,根据大约 360 条真实的情人间的短信自创了一些超级甜蜜的短信。结果非常有趣。


有些生成的短信看起来还像模像样。举个例子,「亲爱的小面包」或者「可爱的吻」。


但有一些的画风就有点跑偏了:「你裸着呢」,「生命不可承受之爱」,或者是「我,大鼻子」。


最有趣的是这些,嗯…也可以说是最糟糕的:


「发臭的爱」、「流汗的梨」、「你是蟒蛇」,当然还有「我爱两千个猪猪(love 2000 hogs yea)呀。」


当然,这些词语也许达不到贺卡内容的抒情标准,但让我们认真来看,这些词简直就是「谈情说爱界」的一股清流。


即使是这样像开玩笑一样的单词,也展示出人工智能技术如何找到了我们不一定看到的那些模式。


Shane 表示:


「人工智能放置了一面镜子在我们身后,它突出了人类所认为的迷人事物的不合理性。称呼某人为 'bug' 还显得有些可爱。为什么叫猪猪就不行呢?」



如今,机器学习是通过搜集诸如照片、语音样本或者甜心文本等数据来训练一个神经网络(一组受人类大脑神经细胞启发,相互连接的元素)。


不用事先了解任何传统规则,神经网络就可以发现「指示出图片上有一只猫」的模式。


尽管像谷歌的语音识别这类神经网络需要大量的计算能力,但是 Shane 的甜心实验就简单得多。在她的 MacBook Pro 上训练这个神经网络只需要 10 分钟。


她表示,「研究结果耗费的时间要比单单训练一个神经网络多得多。」


而这完全取决于,得出「激情队伍」、「眨眼熊」和 "yak o way" 这样的机器学习结果,究竟是应该激发出人们对技术缺陷的嫌弃,还是应该对机器这种迷人的天真无邪表达钦佩?


但是,嘿,我们可是拟人化的专家,可以赋予白云和汽车以「人格」。为什么要拒绝考虑那些实际上展现出了一点大脑未知区域的东西呢。


不过话说回来,如果有人在情人节送我几个神经网络生成的爱称,我会抱着这些甜心仰天大笑的。


往期文章


大公司:阿里百度谷歌IBM科大讯飞浪潮三星苏宁腾讯微软西门子亚马逊英特尔英伟达


人物报道:初敏黄学东Peter Lee陆奇任小枫沈威施尧耘司罗王永东吴恩达肖建雄林元庆阿里iDst金榕


自动驾驶:Drive.aiInnovusion景驰科技思岚科技速腾聚创图森未来Uber驭势科技


芯片与机器人:波士顿动力地平线Embodied Intelligence钢铁侠科技国芯寒武纪库柏特深鉴科技驭光科技


新零售:阿里无人店Amazon Go双十一任小枫谈智能零售瑞为智能


语音与语言:凡普金科海知智能极限元蓦然认知奇点机智启英泰伦三角兽思必驰小源科技云知声竹间智能助理来也追一科技


计算机视觉:晶泰科技旷视科技蚂蚁佐罗码隆科技商汤科技体素科技Versa小库科技云从科技依图科技中科虹霸中科视拓海康威视


商业地理:加拿大匹兹堡瑞士

 

登录查看更多
0

相关内容

人工神经网络(Artificial Neural Network,即ANN ),是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象, 建立某种简单模型,按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。 最近十多年来,人工神经网络的研究工作不断深入,已经取得了很大的进展,其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题,表现出了良好的智能特性。
【Google】利用AUTOML实现加速感知神经网络设计
专知会员服务
29+阅读 · 2020年3月5日
麻省理工学院MIT-ICLR2020《神经网络能推断出什么?》
专知会员服务
50+阅读 · 2020年2月19日
【新书】傻瓜式入门深度学习,371页pdf
专知会员服务
187+阅读 · 2019年12月28日
复旦大学邱锡鹏老师《神经网络与深度学习》书册最新版
AI 最大的挑战:也许我们从根上就错了
InfoQ
5+阅读 · 2019年6月14日
理解五个基本概念,让你更像机器学习专家
云栖社区
5+阅读 · 2018年11月29日
从零开始一起学习SLAM | 神奇的单应矩阵
计算机视觉life
9+阅读 · 2018年11月11日
理解神经网络的激活函数
论智
7+阅读 · 2018年1月8日
【深度学习】神经网络和深度学习简史
产业智能官
8+阅读 · 2017年11月16日
推荐|斯坦福大学机器学习:神经网络的表示!
全球人工智能
5+阅读 · 2017年9月20日
解惑!卷积神经网络原来是这样实现图像识别的
人工智能学家
5+阅读 · 2017年8月13日
Arxiv
4+阅读 · 2018年5月21日
Arxiv
10+阅读 · 2018年4月19日
Arxiv
5+阅读 · 2018年1月30日
VIP会员
相关资讯
AI 最大的挑战:也许我们从根上就错了
InfoQ
5+阅读 · 2019年6月14日
理解五个基本概念,让你更像机器学习专家
云栖社区
5+阅读 · 2018年11月29日
从零开始一起学习SLAM | 神奇的单应矩阵
计算机视觉life
9+阅读 · 2018年11月11日
理解神经网络的激活函数
论智
7+阅读 · 2018年1月8日
【深度学习】神经网络和深度学习简史
产业智能官
8+阅读 · 2017年11月16日
推荐|斯坦福大学机器学习:神经网络的表示!
全球人工智能
5+阅读 · 2017年9月20日
解惑!卷积神经网络原来是这样实现图像识别的
人工智能学家
5+阅读 · 2017年8月13日
Top
微信扫码咨询专知VIP会员