谷歌大脑教机器画画 来看神经网络的大作长啥样

（原标题：谷歌大脑教机器画简笔画 来看神经网络的大作长啥样）

雷锋网AI科技评论按：虽然简笔画与实物的逼真程度相去甚远，但即便是一个小孩也能轻易理解图案中的内容。原因其实很简单，因为人类懂得通过判断图案中的关键特征，与现实物体进行匹配。那么，如果是用RNN教机器学会画画，它是否能抽象出画中的概念，并用同样的方式作画呢？谷歌大脑的 David Ha 近日撰文指出了他与 Douglas Eck 在研究 sketch-rnn 时的一些想法和观点。

人们在传递思想、进行交流时有一个非常关键的要素，那就是懂得如何用抽象的视觉内容进行沟通。我们从小就培养孩子用画笔描述事物的能力，画出一个物体甚至表达自己的情绪。这些简笔画并不一定像照片一样逼真，但诚然，它们传递出了人们如何重现与重构身边事物的方法。

一些 sketch-rnn 创作的画

在 David Ha 与 Douglas Eck 合作的论文《A Neural Representation of Sketch Drawings》中，研究者设计了一个名为「sketch-rnn」的生成式 RNN，它能够用简单的笔触描绘出日常物体，系统旨在训练机器如何像人类一样提炼事物的抽象概念。

研究者在一个手绘 sketches 数据集中进行训练，控制提笔落笔的时间及方向，进而创造一个具有可观前景的应用：不仅能帮助艺术家迸发艺术灵感，还能教授学生绘画的基本技巧。

鉴于采用神经网络之时，生成模型用于训练的图像过多，图像以2D 像素的点阵图来构建。而由于它所具有的高解析度，这些模型很容易会生成一些连续的图像结构，比如会画出三只眼睛的猫，或是几个头的狗。

采用 128*128 ImageNet 数据集训练的 GANs 模型，可能会产生像上图这样的诡异情况。

上图为 Ian Goodfellow 在 NIPS 2016 Tutorial 展示 GANs 时所采用的图片

而在谷歌大脑研究者的工作中，他们受人类绘画的启发，采用了更低维的、基于向量的方式。Sketch-rnn 基于 seq2seq（雷锋网(公众号：雷锋网)注：前段时间雷锋网做过覆盖和报道）的自动编码框架，结合变分推断并采用了超网络作为 RNN 的核心。

seq2seq 的作用在于训练隐向量（latent vector），即一个能够将输入序列编码为浮点数向量的网络，以此在尽可能逼真地模拟输入序列的情况下，利用解码器重构输出序列。

实验过程

在模型中，研究者故意往 latent vector 中加入了一些噪声，而实验结果呈现，模型在噪声的干扰下不能非常准确地重现输入的内容，但依然捕捉到了连同噪声在内的关键信息。解码器将隐向量进行处理，并产生了一个能构建简笔画的动态序列。研究者们输入了几个小猫的简笔画内容，而机器进行后重构产生的图画又是怎样的呢？答案就是像下面这样：

模型通过训练人类所画的小猫简笔画而重构的图画

值得强调的是，模型并不是简单地照猫画虎，面是学习了输入特征后，重新按照理解再画图的。也就是说，模型是学会了「画猫的方式」后，根据自己的理解再作图的。

比如，当研究者故意画了一个三只眼睛的猫作为输入，模型基于对常识的认知，生成的依然是两只眼的猫。而为了拓宽系统认识物体的多样性，研究者加入了迥然不同的内容，比如一把牙刷。从图中可以发现，系统依然将牙刷抽象成了一只猫的样子（比如尖耳朵和触须）。这一结果表明，神经网络已经学会了从输入中抽象出猫的概念，也能根据隐向量重构新的简笔画。

如果你还是将信将疑的话，下面这个小猪的例子或许可以说服你。八条腿的小猪和卡车「乱入」了训练数据中，但在神经网络的理解中，小猪只有四条腿，而卡车看起来也具有小猪的样子（比如有条小尾巴）。

为了了解为何隐向量是如何抽象出动物的体征概念，研究者首先采用了两幅不同的小猪画（一幅只有头，一幅是全身）获得不同的隐向量，并在这两个隐向量计算差值，并在生成简笔画后进行可视化。可以看到，隐向量掌握了鼻子与头的相对位置，并且在逐步的尝试后形成了身体和腿的概念。

那么，如果是不同的动物进行融合，如何整合它们的特征？研究者分别输入了一个猫头和一个全身小猪的图像，从左往右看可以发现，小猫开始长出尾巴和身子，最后猫的头逐步被抽象化，最后变成一只小猪。当然，反过来试验的结果也是一样的。

这个实验意味着隐向量确实对抽象的概念特征进行了解码，但我们是否能采用这些特征扩大绘画的灵活性，比如给小猫的头加上身子？

在学习中，系统懂得了一些「公式」

研究者发现可将身体的部分进行分类，采用一些公式性的编码让系统理解内容，比如将不同的隐向量加在「猫头」上，就能得到想要的结果（猫头+身子=全身猫）。这一举措得以让研究者更好地探究模型是如何组织它的隐空间（latent space），以表达不同的概念。

创造性应用

研究者不仅为实验结果而振奋，也同时为 sketch-rnn 未来可能的应用方向而高兴。比如图案设计者们能够用该网络生成非常多看起来相似，但实际上又有各自特色、能用于不同场景的设计图案。

从框内图案生成的相似但各具风格的小猫

而就像我们先前看到的一样，画小猪的模型如果加入了卡车的图画，也能够画出有着小猪特征的卡车。研究者将这一结果拓展开来，认为这能够给设计者提供抽象设计的灵感。

在向小猫模型中输入了四把姿态各异的椅子图案之后，模型学习了椅子的特征，进而生成了各种具有椅子特征的小猫，并产生了多种设计方案。研究者相信，将不同种类的事物交给神经网络，可能产生意想不到的交互和想象。

此外，研究者们还将 sketch-rnn 的模块解码成单独模型，让系统尝试在不完整图画的基础上「脑补」内容。下图是系统产生出的一些灵感闪现的图案。

甚至，同一个模型也能充分发挥机器的想象力。研究者用圆形和正方形的图案让系统自由作画，进而有了火烈鸟、蚂蚁、猫头鹰、直升机等等结果。设计者在研究这些机器产生的图案时在，也能够设计出富有创造力的作品。

Sketch-rnn 能够让机器作为人类灵感的来源，也可以有非常多的应用。而机器与人类的交互与沟通，在未来的想象空间是无穷的。