去年2月，旧金山的研究实验室OpenAI宣布，其人工智能系统现在可以撰写令人信服的英语文章。把一句话或一段话的开头输入GPT-2，就像它和人类有相似的连贯性一样，它能让思想延续下去。
现在，实验室正在研究如果将相同的算法代入图像的一部分会发生什么。结果本周的国际机器学习大会获得了最佳论文的荣誉奖，为图像生成开辟了新的途径，机遇与后果并存。
GPT-2的核心是一个强大的预测引擎。它通过查看从互联网各个角落搜集的数十亿个单词、句子和段落的例子来学习掌握英语的结构。通过这种结构，它可以通过统计预测单词出现的顺序，将单词操纵成新的句子。
因此，OpenAI的研究人员决定将单词转换为像素，并在ImageNet(最流行的深度学习图像库)中的图像上训练相同的算法。因为算法被设计成处理一维数据(即文本串)，所以它们将图像扩展成单个像素序列。他们发现，名为iGPT的新模型仍然可以把握视觉世界的二维结构。给定图像上半部分的像素序列，它可以用人类认为明智的方式预测下半部分。
下面，你可以看到一些例子。最左边一栏是输入，最右边一栏是原始输入，中间一栏是iGPT的预计完成量。(点击此处查看更多示例。)
结果令人震惊，并显示了在计算机视觉系统的开发中使用无监督学习的新方法，该系统可以训练未标记的数据。虽然2000年代中期的早期计算机视觉系统以前尝试过这种技术，但它们并不流行，因为使用标记数据的监督学习被证明更成功。但无监督学习的优势在于，它让AI系统无需人工过滤就能认识世界，大大减少了人工标注数据的工作。
iGPT使用与GPT-2相同的算法这一事实也显示了其有希望的适应性。这符合OpenAI实现更通用的机器智能的终极雄心。
同时，该方法为深度伪造图像的生成提供了一种新的方法。生成网络(过去用于创建深度欺诈的最常见算法)必须经过高度精选的数据训练。比如你想让GAN生成人脸，它的训练数据应该只包含人脸。相比之下，iGPT只从数十亿个例子中了解了足够多的视觉世界的结构，以吐出其中可能的图像。虽然训练模型在计算上仍然很昂贵，但它为模型的访问提供了天然的障碍，这种障碍可能不会长期存在。
