1
上个世界七八十年代,邓小平爷爷曾郑重其事地提出:和平与发展是当代世界的两大主题。如今,这一伟大宏愿实现的如何?
据联合国今年1月份发布的公报显示:去年一年仅在伊拉克一个国家就有至少6878名平民死于暴力冲突和恐袭,有12388人受伤……
码字至此,雷锋网小编已觉痛心疾首,泪如雨下;深感维护世界和平迫在眉睫,却又觉心有余而力不足。直至今日,小编偶在SIGBOVIK 2017评审论文中看到了Samuel Albanie、Sebastien Ehrhardt和Joao F. Henriques三人联合完成的学术论文:《STOPPING GAN VIOLENCE: GENERATIVE UNADVERSARIAL NETWORKS》,发现此三位作者竟心系黎民苍生,一心为消除人类暴力而上下求索、耗尽心力,顿时小编心中感到和平伟业指日可待!!!
作者在论文中表示,当今社会人类暴力严重泛滥,此点在生成对抗网络(GANs)的运行原理中表现的尤为明显。
为什么呢?我们来看一看GANs 的原理。
GANs 在运行时需要两个模型,一个生成器,一个判别器。
生成器的任务是生成看起来‘自然’的图像,要求与原始数据分布尽可能一致。
判别器的任务是判断给定图像是否看起来‘自然’,换句话说,是否像是人为(机器)生成的。(详情可参见雷锋网此前报道《生成对抗网络(GANs )为什么这么火?盘点它诞生以来的主要技术进展》)
简单地说,即生成器想尽办法使生成结果能骗过判别器,而判别器则竭尽全力挑生成器的刺,不让它过关。
于是,作者们就针对GANs在论文中提出异议了。
他们认为此方法太过“暴力”,而且不够道德,完全不利于推动世界和平与发展;倒不如用他们发明的生非对抗网络(GUNs),和谐快乐又高产。
如果说GANs中两个模型是彼此虎视眈眈,那么GUNs的两个模型则相亲相爱的多。
三位专家在该生成非对抗网络框架下,同时训练了以下两个模型:
一个是生成器G,如果遇到自认为可以处理的数据分布,它都会尽力去捕捉。
一个是激励器M,帮助G达成这一“梦想”。
就这样,生成G提出样本PROPS,而激励器M作为回应给出确认和表扬:ACKS。两个网络之间友爱互助,最后共同实现愿望。
从理论上看,这一方法有点类似于博弈论中的“winner-shares-all”(雷锋网注:真相其实是,博弈论中为winner-takes-all,意为胜者全得,而此处却是大家一起分享收益)。
而且作者还强调,绝对禁止G和M“打架”,它们要学会尊重彼此之间的差异,并在此基础上进行演化。
贴心的作者也给出了训练过程:
(图a) 在激励器(红线)的帮助下,生成器(黄线)正为目标数据分布(蓝色虚线)拼搏努力。
(图b) 激励得当的情况下,生成器则能顺利完成目标。
(图c) 在激励器的鼓舞下,生成器还能额外做出10%的努力(word天,太勤奋了!),这不是说有错误,而是证明激励有效。
实验表明,这种和谐共处的方式比之前那种两相对抗的GAN方法效果好得多GANs即不道德,也无必要;而快乐又高产的GUNs则是激励机器学习扬帆起航的基石。
论文最后,作者还发自肺腑的说道:非对抗学习真是发展机会良多。未来,我们还计划在包括神经梯度和k-dearest neighbours等其他领域中给出更多和谐有爱的解决方法。
看到这里,小编真是觉得蜜汁感动……消除暴力无小事,不如就从禁止GANs暴力开始做起吧!
此论文一发,来自四海八荒的吃瓜群众立刻纷纷表示“给跪了”(小编:以此表达崇敬之意,实在可取)。
原来,论文作者除了有用GUNs拯救世界和平的“野心”,在写作上也是处处埋伏笔。
三位作者均来自牛津大学,Samuel Albanie为计算机视觉研究员,Sebastien Ehrhardt为哲学博士,Joao F. Henriques为视觉几何学研究学者。而他们对自己的介绍却是长酱:
(小编拙译:从上往下依次是深度统计和谐会、法国外籍兵团与分离的和平,爱与信任办事处)
Samuel Albanie、Sebastien Ehrhardt和Joao F. Henriques三人的姓名排序是按照各自祖国在去年欧冠上的排名而定(小编:真是对欧冠抑制不住的爱意)。
对于不明吃瓜群来说,像是格言警句一样的句子:
但据小编缜密调查,其实出自非裔美国西岸嘻哈饶舌歌手和演员2Pac的歌曲《changes》。
“NoN”在文中表示network-on-network的缩写,同时作者也用它当表情卖萌。
把生成对抗网络称为:GANs,GANGs,CAPONEs(译注:gang意为犯罪团伙;CAPONEs是因为税被IRS和FBI联合拿下的黑手党老大)。
称第一个把GUNs应用在生成模型中的人为Smith & Wesson(Smith & Wesson为美国军火制造企业)。
在论文中表示:GAN的暴力是不道德并且是没必要的。而GUN的潜力很大,它的潜力就在于你认为结果很好,它就很好(小编:这绝对不是自欺欺人,200%不是)。
在注释12中说,探索GUNs这个机器学习理论已使我们耗尽心力,剩下更具争议性的课题就留给后继勇往直前的研究者们了(小编:让别人替你填坑?)。
还有,作者们的实验结果:
GUN模型在MNIST上的视觉样本
(能在这么不明显的样本中选出最后一列,GUN模型确实是“前无古人,后无来者”)
论文最后的作者简介,Sebastien Ehrhardt部分:
字数不够,行数来凑?还是做了见不得人的坏事......(打死都不告诉你,选中文字,复制粘贴在别的地方,就能看到原文了)
| SIGBOVIK是一个“假”学术会议?
至此,小编敢肯定你可能已经有了这样一个判断:这论文不是在扯么?
没错,你今天真的看了一篇“假”论文。而且,这篇论文还发布在了名为SIGBOVIK的“假”学术会议上。
SIGBOVIK 开始于2007年,虽然形式上和一般学术会议并无二致,比如会评审论文并会做报告,但参与学者大多会提出各种稀奇古怪的创意想法(如以往的机器人反叛检测、如何在射击游戏中获胜等),而且还会煞有介事的用各种严谨的学术方法给出解决方案(如用到半监督学习,优化方法和本文的GUNs等)。
因此,就有网友评论称,“这个会议很像nerd的一次吐槽狂欢”。
而该论文,无论是选题,文风还是对词语的选用上,确实处处都侧漏着调皮劲儿(更多槽点请看原论文:https://arxiv.org/pdf/1703.02528.pdf)。
不过,这种正儿八经开脑洞的学术玩法确实挺能开拓研究者的思路的。毕竟,把消除人类暴力和GANs联系起来也是要有一定功力的。
另外,该会议过不久就要在卡耐基梅隆大学举办了,具体时间在可见下图:
不过如果你以为是3.29开始,那你可能就真参加了一场假的SIGBOVIK。
雷峰网版权文章,未经授权禁止转载。详情见转载须知。