AlphaGoZero下棋贏了它“哥”，AI自主學(xué)習(xí)的時(shí)代到了嗎？
以往，我們提起AI，有一個(gè)共識(shí)，即它在某些方面已經(jīng)碾壓人類(lèi)，比如下圍棋；它在另一些方面遠(yuǎn)不及人類(lèi)，比如認(rèn)識(shí)一只動(dòng)物、認(rèn)識(shí)很多只動(dòng)物。原因之一是AI自主學(xué)習(xí)能力遠(yuǎn)不及人。
前幾天，AlphaGoZero橫空出世，從零開(kāi)始，閉關(guān)72小時(shí)自我對(duì)弈圍棋，即100：0完勝之前用了幾個(gè)月時(shí)間成長(zhǎng)、勝了李世乭的AlphaGo。這似乎表明，開(kāi)發(fā)某個(gè)專(zhuān)項(xiàng)智能時(shí)，AI算法不再像過(guò)去那樣動(dòng)輒需要百萬(wàn)、千萬(wàn)量級(jí)的有監(jiān)督大數(shù)據(jù)，算法甚至可以從0數(shù)據(jù)開(kāi)始自主學(xué)習(xí)，頂多只需大規(guī)模無(wú)監(jiān)督數(shù)據(jù)。
于是，很多人驚呼AI自主學(xué)習(xí)的時(shí)代到來(lái)了。似乎很快就會(huì)有一個(gè)叫做AIZero的學(xué)神小寶貝橫空出世，自主狂學(xué)一個(gè)月，馬上長(zhǎng)大成人，變成一個(gè)智商、情商超越人類(lèi)的AI100。
但事實(shí)恐怕并非如此。
我本人是做計(jì)算機(jī)視覺(jué)研究工作的，尤以人臉識(shí)別方面的研究比較多。便借AlphaGoZero之東風(fēng)，我也做了個(gè)FaceZero的夢(mèng)，想了想人臉識(shí)別從0自主學(xué)習(xí)的可能性。
AlphaGoZero自造數(shù)據(jù)的思想很難擴(kuò)展到FaceZero
先看看AlphaGoZero學(xué)神怎么做的：從0開(kāi)始自造數(shù)據(jù)。對(duì)人臉來(lái)說(shuō)，這個(gè)第一步就有點(diǎn)懸了，如何造人臉呢？圍棋有明確的落子規(guī)則和輸贏判斷準(zhǔn)則，按規(guī)則模擬對(duì)弈即可造出大量有監(jiān)督的數(shù)據(jù)。可人臉如何從0造？如果沒(méi)有任何的人臉樣例或知識(shí)，除非上帝他老人家在，否則怕只能造一堆鬼臉出來(lái)反正誰(shuí)也沒(méi)見(jiàn)過(guò)鬼，怎么造都行。
如果這樣，www.twshmhelmet.com，怕是這夢(mèng)只能醒了。
那，至少給一張人臉，讓算法自己舉一反三，創(chuàng)造千千萬(wàn)萬(wàn)張人臉可行嗎？比如給算法一張大奧黛麗赫本的人臉圖像，讓算法把赫本這張人臉照片變啊變，變出1000幅赫本女神的人臉圖出來(lái)，再變出成千上萬(wàn)不是赫本女神、但長(zhǎng)相合理的人臉。
且不說(shuō)怎么變形的難題，這里面有兩個(gè)問(wèn)題需要解決：如何保證算法舉一反三變出來(lái)的人臉還是女神的臉而不是孫悟空、豬八戒的臉部照？以及，如何保證算法可以舉一反三變出奧巴馬、貓王等各種人的臉部照？要解決這兩個(gè)問(wèn)題，我們需要大量人臉的樣例或其他知識(shí)，比如人臉的3D結(jié)構(gòu)、成像的物理模型、老化模型、表情模型、眼鏡模型等等。
這就和最初給一張人臉的假設(shè)矛盾了，這夢(mèng)便只能是南柯夢(mèng)了。
再退一步，即使我們有赫本女神人臉的3D結(jié)構(gòu)和成像模型等，這兩個(gè)問(wèn)題仍然需要解決：什么幅度的3D形變，比如變胖或變瘦或變老，可以確保還是赫本本人而不會(huì)變成其他人？什么樣的形變可以確保變出一個(gè)合理的人臉，而不會(huì)變出一個(gè)史瑞克或豬八戒？
人臉識(shí)別在這里體現(xiàn)出一個(gè)和圍棋對(duì)弈的較大差別：圍棋有明確的勝負(fù)判定規(guī)則，而人臉識(shí)別并沒(méi)有一個(gè)這樣的判定規(guī)則。所以，人臉識(shí)別算法如果也使用對(duì)AlphaGo至關(guān)重要的增強(qiáng)學(xué)習(xí)方法，借試錯(cuò)實(shí)現(xiàn)自主學(xué)習(xí)，不太現(xiàn)實(shí)。這就像學(xué)生做模擬題，如果做完題不給他答案，不給他講錯(cuò)在哪，什么是對(duì)。他恐怕難以進(jìn)步。
使用大量無(wú)監(jiān)督數(shù)據(jù)的思路也很難擴(kuò)展到FaceZero
退一步，看看AlphaGoZero其他地方有沒(méi)有值得借鑒的。據(jù)AlphaGoZero的論文所說(shuō)，其核心之處是用增強(qiáng)學(xué)習(xí)來(lái)自動(dòng)學(xué)習(xí)用于啟發(fā)式搜索的評(píng)分函數(shù)（價(jià)值網(wǎng)絡(luò)）。對(duì)人臉識(shí)別來(lái)說(shuō)，其核心實(shí)際上也是學(xué)習(xí)一種評(píng)分函數(shù)，即計(jì)算兩張人臉照片的相似程度：同一人圖像相似度盡量高，不同人相似度盡量低。
看起來(lái)有點(diǎn)機(jī)會(huì)。既然從0或從1開(kāi)始不行，那么，是否可以給算法1億張無(wú)監(jiān)督（即沒(méi)有標(biāo)簽）的人臉照片數(shù)據(jù)，然后讓FaceZero借鑒AlphaGoZero的思路學(xué)習(xí)評(píng)分函數(shù)呢？
遺憾的是這也不行。因?yàn)槲覀兪褂玫氖菬o(wú)監(jiān)督人臉圖像，我們不知道這1億幅人臉圖像是多少人的圖像，其中哪些是同一人的，人臉識(shí)別算法又不能像圍棋算法一樣自己判斷對(duì)錯(cuò)和好壞，當(dāng)然就沒(méi)辦法自我增強(qiáng)起來(lái)。
所以學(xué)習(xí)這個(gè)相似度評(píng)分函數(shù)失去了依據(jù)。
又是南柯一夢(mèng)。
看到這里，懂生成式對(duì)抗網(wǎng)絡(luò)（GAN）的讀者可能會(huì)反駁：有了大量人臉圖像，即使是無(wú)監(jiān)督的，我們也可以用GAN這樣的類(lèi)增強(qiáng)學(xué)習(xí)策略來(lái)生成各種看起來(lái)符合真實(shí)人臉?lè)植嫉娜四槇D像。
這樣一來(lái)，給定一張赫本女神的人臉圖像，F(xiàn)aceZero就可以生成她的各種美圖了嗎？可是，問(wèn)題在于，沒(méi)有了那些重要的監(jiān)督信息，只能保證GAN生成的人臉圖像看起來(lái)是張臉，但沒(méi)法保證她不會(huì)變貓王或奧巴馬。
這舉一反三的想法，恐怕還是不行。
AlphaGoZero的思想對(duì)減少人臉識(shí)別有監(jiān)督數(shù)據(jù)需求量的價(jià)值較小
再退一步，AlphaGoZero的思想是否可用于減少有監(jiān)督數(shù)據(jù)的需求量呢？例如，按照目前的方法論，用深度學(xué)習(xí)做人臉識(shí)別，首先需要收集整理盡量多的人臉圖像，比如100萬(wàn)人的1億張有標(biāo)注的照片，庫(kù)卡機(jī)器人驅(qū)動(dòng)器維修，然后讓深度學(xué)習(xí)算法用這些圖像學(xué)習(xí)如何提取可以區(qū)分不同人臉的好特征或者如何計(jì)算相似度評(píng)分函數(shù)。
比如，先給人臉識(shí)別算法提供1萬(wàn)人的有標(biāo)注人臉圖像，讓它學(xué)會(huì)區(qū)分1萬(wàn)人的人臉，然后讓它舉一反百、舉一反千、舉一反萬(wàn)，即從這1萬(wàn)人造出100萬(wàn)人、1000萬(wàn)人、1億人，甚至全球所有人的圖像。
這個(gè)想法如果可行，那我們對(duì)數(shù)據(jù)的需求量就減少了100倍，這意味著在收集和標(biāo)注數(shù)據(jù)方面，大幅降低了成本，從而使得深度學(xué)習(xí)算法的易用度蹭蹭的提高。
為此，一種可能的辦法是用GAN這樣的類(lèi)增強(qiáng)對(duì)抗算法創(chuàng)造不同的人臉。在創(chuàng)造第10001個(gè)人的面部圖像時(shí)，要求其既與之前的10000人都不同，又要確保第10001個(gè)人的面部圖像看起來(lái)是真實(shí)的照片，而不是卡通人像或鬼臉。
遺憾的是，按照目前GAN的思想，是有局限的。GAN可以?xún)?nèi)插式創(chuàng)造，要外延式創(chuàng)造是有極大風(fēng)險(xiǎn)的，設(shè)想：如果算法能從10000個(gè)白人自動(dòng)外延出從沒(méi)見(jiàn)過(guò)的某個(gè)黃種人，怎么保證不外延出綠巨人？如果算法能從10000個(gè)鵝蛋臉自動(dòng)外延創(chuàng)造出從沒(méi)見(jiàn)過(guò)的國(guó)字臉，庫(kù)卡機(jī)器人，怎么保證不創(chuàng)造出被壓扁的長(zhǎng)條臉？
那么，我們把GAN的能力限定在內(nèi)插式創(chuàng)造。這要求我們?cè)谏厦嫣岬降?0000個(gè)人具有足夠的代表性。代表人經(jīng)過(guò)精心挑選，均勻覆蓋各種面部屬性，如膚色、男女、臉型、眉形、眼型、嘴型、高低鼻梁、高低顴骨、粗細(xì)肌膚這樣一來(lái)，就可以?xún)?nèi)插創(chuàng)造出各種可能的人臉了。
但是，10000人是否足夠代表整個(gè)人類(lèi)的特征？這里涉及幾十甚至上百種面部屬性的組合。每多一個(gè)面部屬性，組合結(jié)果的數(shù)量便多幾倍，呈指數(shù)爆炸式增長(zhǎng)。就算每個(gè)屬性只有2個(gè)可能的取值，比如男女，即使只有14種面部屬性就有超過(guò)10000種組合。更何況，很多屬性有很多取值，比如臉型、膚色、眼型，組合數(shù)就更多了。
如果每種組合我們需要至少一個(gè)代表人（實(shí)際可能有些組合1個(gè)代表還不夠，也有可能某種組合并不存在），這意味著我們需要的代表人數(shù)恐怕遠(yuǎn)遠(yuǎn)不止10000人
FaceZero的夢(mèng)真要醒了嗎？
減少有監(jiān)督數(shù)據(jù)需求量的其他可能