778
不止圍棋 手機裏的阿爾法狗幫你p圖選發型
◆ ◆ ◆
導語
“深度學習”，“人工智能”已不是什麼高深莫測的技術，這些技術正飛入你的手機裏！深度學習正在被用於創造許多好玩的手機應用中，我們今天就來看幾個例子。
除了爆火朋友圈的Prisma，深度學習還被用於另外幾個有趣的應用中。比如康奈爾大學的研究人員開發的新技術Groklstyle ，可以幫助您像專業人士一樣選擇家具；Dreambit 則是一款利用人工智能係統預測不同的發型下你的摸樣的應用。
◆ ◆ ◆
Prisma -- 人人都可以變成藝術大師
“我們和Instagram的濾鏡不同。我們就像真正的藝術家一樣繪畫。”--Prisma創始人Alexey Moiseenkov
最近最火的手機應用要屬來自俄羅斯的Prisma了。這個手機應用可以將你的照片 - 甚至是糟糕的那些 – 轉化成為一件藝術品，像是高大上的印象派或流行藝術畫。開發了Prisma的俄羅斯創業公司Prisma Labs表示，該應用上個月在蘋果應用商店上市後，已突破1650萬次的下載量，而這周Prisma在安卓市場上市後，更是飆升到每天200萬下載量。Prisma的粉絲裏不乏俄羅斯政治家和寶萊塢明星，他們同其他粉絲一樣將Prisma圖片傳到他們的Instagram上。
Prisma使用了複雜的處理技術才製作出充滿藝術感的圖片。與Instagram不同，它不使用濾鏡，而是在原本的圖片上“作畫”，畫出特別的風格，如愛德華.蒙克的呐喊和俄羅斯抽象派藝術家瓦西裏·康定斯基的作品。Prisma稱，用戶已經使用軟件處理達65億照片。
Prisma背後的技術，是基於一篇德國科研機構去年發布的研究。此類方法使用了許多人工智能係統的基石，神經網絡，來分析一張圖片視覺效果上的特質，結合其他藝術效果創造出一張新圖片。Prisma的顧問Gurski表示，這家初創公司已經把這項技術改善得功能更強大、更快捷，讓公司能擴張“成千上萬的用戶”。
當Prisma已經提供了大約30種免費的影像處理技術，這個9人大小的公司已經開始進行關於盈利的試驗。公司對某種濾鏡向讚助商收費並把讚助商廣告展示給用戶。高露潔公司讚助了印象主義風格，希望以此提升公司沐浴露的銷售；打車軟件初創公司Gett讚助了都市風格的濾鏡。Moiseenkov說廣告商們很喜歡這種方式，認為這相對社交網絡上的傳統廣告來說，“更加個性化”。
Prisma背後的技術，深度學習，需要擁有比智能手機強大60倍的圖像處理能力的計算機去編輯圖片。隨著Prisma的用戶越來越多，現在每分鍾就有3萬5千張圖片通過Prisma應用進行編輯，這就需要Prisma團隊擁有幾千個圖像處理器。為了解決這個問題，Prisma團隊實際上把計算處理的過程“外包”給了用戶的智能手機。這是通過扔掉深度學習神經網絡中“不必要的部分”，使得在手機這種相對比較能力弱的機器上，此應用仍可保持同樣優秀的性能。這是一個非常了不起的工程挑戰。這項技術突破讓智能手機可以運行應用程序，使Prisma更加有效，可以讓世界上更多的人使用它。
◆ ◆ ◆
Groklstyle -- 室內居家裝飾裝修的好幫手
很多時候，你看到別人家裏或者某張圖片裏的某個東西，覺得特別喜歡但是卻不知道去哪兒去買。如果你認為你有室內設計的才華，或者隻是單純想美化自己的家，康奈爾大學的研究人員開發的新技術可以幫助您像專業人士一樣選擇家具。對專業的室內設計人士來說，這款應用可能更是有用了。
輸入一把椅子，一盞燈或其他一些物品的照片，這個應用就會告訴你它的製造商以及在哪裏可以買到它，並給你提供一些該物品適合在什麼樣的房間裏的照片。
在Groklstyle手機應用裏，用戶可以拍攝一間房間的照片，並選擇特定的家具，或者隻提交該家具的圖片。計算機找到匹配的物品，並且返回該物品在其他地方出現的圖片。
該係統依靠的技術也是“深度學習”神經網絡，它使計算機從來自製造商的產品目錄和專門用於家居裝飾專業網站龐大的數據圖片庫中去匹配提交的照片。
用戶們在使用這項服務的時候，自然不希望等待結果的時間太長。於是係統並不強製計算機尋找匹配整個數據庫，而是通過使用神經網絡利用像素排列的廣義特點來對提交的圖像的產生“指紋”。然後計算機查詢的數據庫時隻查詢一個局部區域，類似於尋找某一個地區的電話號碼，我們隻需要從那些以該區域號碼開頭的號碼裏查找即可。
研究員們說，未來他們還會涉及類似的係統來查找其他類型的產品，比如服裝和時尚類。
◆ ◆ ◆
Dreambit – 人工智能係統預測不同的發型下你的摸樣
一種新的個性化搜索引擎可以幫助你探索你的樣子:棕色的頭發，卷發或在不同的曆史時代。隻需上傳自拍，在Dreambit裏鍵入像“卷發”或“1930年代的女人”類似的特征，並通過類似的圖片照片集軟件的算法搜索相同術語，無縫將你的臉映射到符合搜索條件的圖像上。
Ira Kemelmacher-Shlizerman是在華盛頓大學的計算機視覺研究員，用TITAN GPU和cuDNN加速Caffe深度學習框架來訓練模型和用來引申，開發了這款圖片識別軟件。Dreambit還吸取了華盛頓大學和其他來源之前關於麵部處理，識別，三維重建和年齡進展等方麵的研究。這些算法中創建的混合圖像以獨特的方式相結合。這個新軟件還可以幫助顯示失蹤的孩子或逃犯可能是什麼樣子(如果他們的外表已經被故意偽裝)，甚至是他們長大和老去後能變成什麼樣子。
Dreambit通過合成左上角的原圖片和網絡上的關於“卷發”(第一排)，“印度”（第二排）以及“1930年代”(第三排)的查詢，而得到的最終的結果圖像。
Dreambit預測一歲的小男孩（上）和四歲的小女孩（下）多年後會是什麼樣子。
◆ ◆ ◆
結語
人工智能早已經不僅僅出現在科幻電影裏了，現在我們在我們的智能手機等手持裏就有它的痕跡。隨著計算能力的不斷增強，我們期待更複雜的算法出現。雖然該領域的許多專家都表達了對人工智能及其對人類的影響不同的意見，但是不能否認的是我們的好奇心，都想看看深度學習等人工智能技術還能帶給我們什麼樣的驚喜。
原文發布時間為：2016-09-21
本文來自雲棲社區合作夥伴“大數據文摘”，了解相關信息可以關注“BigDataDigest”微信公眾號
最後更新：2017-06-05 16:02:09