见知AI巡山报告 – 2021年01月

要是在网上看到标题里这句话，评论区多半已经为“新垣结衣到底是谁的女朋友”打起来了，但事实上，AI真的能或多或少帮到这个人。不少科技公司陆续推出了自己的在线约会平台，旨在通过人工智能技术为人类匹配最佳伴侣。

Match就是其中一个是快速约会领域中的佼佼者，它曾表示“我们积累了丰富的个人数据，可以利用AI和数据分析来匹配人类的最佳伴侣”。Lara是该公司旗下最广为人知的一款AI聊天机器人，它通过自然语言处理和语音识别等技术，以聊天的形式获取用户信息及喜好，并为单身人士匹配约会对象。Lara 的聊天内容涉及生活习惯、星座、兴趣爱好等50多个维度。该软件是依靠用户的历史聊天信息构建用户画像，依靠推荐系统来为用户进行推荐。

而在其他方面，AI也能够帮到你。如果你对另一半的长相有比较高的要求，那么可以尝试一下在线交友平台Badoo，它的特别之处在于，可以根据AI和面部识别技术搜索与前任或某位明星长相相似的异性。据说，自该平台推出以来，演员卡戴珊（Kim Kardashian）和歌手碧昂斯（Beyonce）是搜寻次数最多的名人。

而如果你总是掌握不好与暧昧对象更近一步的时机，可以利用一款来自英国的约会软件LoveFlatter的AI分析你们聊天记录，并评估双方的感情状态，同时给出最佳建议——何时开启线下约会。更特别的是，LoveFlatter还可以为你推荐最佳约会地点，比如附近的餐馆，酒吧或俱乐部。但在使用这款软件之前最好先征得对方的同意，毕竟不是每个人都愿意将私密的聊天记录上传给陌生人，何况对方还可能会怀疑你对待这段感情是否认真。不过话说回来，告诉对方自己要使用这种软件，和直接告白有什么区别呢？

以上这些约会平台，除了使用AI发现更多潜在匹配项外，还可以根据一个人在Facebook、Twitter、Instagram等社交媒体平台发布的帖子来了解他们的性格和兴趣。有专业人士称，AI避免了婚介所带来的信息偏差，它利用互联网大数据分析提供了更高效精准地匹配，这样有助于提高线下约会的成功率。

目前大部分的约会平台在匹配阶段采用的都是构建用户画像+推荐系统的算法模式，大部分的社交平台都是要求用户提前填写问卷获得用户信息，而不是像前面提到的平台一样利用自然语言处理等AI技术。利用自然语言处理等技术的好处主要有两个，一是优化用户体验，避免用户因为填写冗长的问卷而感到厌烦；二是获得更精准的用户画像，用户很可能会在问卷上撒谎，但和AI进行互动中交流方式和行为都是百分百真实的，平台能从中挖掘出更多的信息。

但问题在于，人类之间的感情是十分复杂的，没有任何证据表明推荐系统式的匹配能够帮助用户找到他们的Mr./Miss Right。说到底，AI目前的功能还仅仅是作辅助的工具，真想脱单还是得看自己啊！

2020年9月，OpenAI推出了自然语言处理模型GPT-3，这一模型效果极其惊人，能够能够生成以假乱真的文章，还能构建令人信服的聊天机器人。而最近，5个月后，OpenAI在这一模型的基础上推出了DALL·E模型，后者可以魔法一般地按照自然语言文字描述直接生成对应图片。

比如，如果你在DALL·E中输入“穿芭蕾舞短裙、正在遛狗的萝卜宝宝”，它就可以生成这样一张图片：

DALL·E可不光能生成漫画类的图像，凭空造出十分真实的照片也在他的能力范围内，比如让DALL·E生成“带有OpenAI字样的店面”，它能产生这样的结果：

DALL·E的命名来自于艺术家萨尔瓦多·达利（Salvador Dalí）和动画电影中机器人WALL·E，这寓意着该模型是对艺术和科技的有机结合。

Ta采用的是当前深度学习领域比较热门的transformer技术，目前OpenAI还没有公布相关论文，因此具体原理只能依靠推测。根据OpenAI的描述，DALL·E应该是VQ-VAE模型和GPT-3模型的结合的成果，其中GPT-3是OpenAI之前开发的语言模型，能够对输入的文字进行拆分。

而VQ-VAE模型则是一种强大的图像生成模型，它在训练时将图片编码成向量，然后再将向量进行解码，从而得到原来的图像；而在生成图片时，他通过从向量空间获得的数据进行图像的重构和解码，从而生成以假乱真的图片。

DALL·E的核心思想并不复杂，在对输入图像进行编码时，DALL·E可能是将图像分为各个像素块，并根据输入的文字，来对素材进行编码。比如面对天蓝色的格子，DALL·E如果读到“天空”的信息，会为这样的格子分配一个编码，如此在解码过程中，DALL·E会依据编码分配一系列像素来生成天空。在经过大量图像和描述的训练之后，模型就得到了一个解码器和一个只有该解码器才能看得懂的编码簿。在生成图像时，DALL·E就可以利用GPT-3对文字进行编码，再利用解码器进行解码，从而生成图像。

在DALL·E发布两天之内，就有研究者对这一成果进行了初步的复现，还取得了不错的成果。但目前的问题在于，类似的模型想要取得不错的效果，就必须采用极为庞大的数据集进行大量的运算，由于AI的训练都是在GPU上运行的

除了简单地生成图片，DALL·E还有一些其他特性，比如DALL·E能将图像翻译成其它风格，这和语言中的翻译比较类似，比如将一张真实的“猫片”转化为草稿，DALL·E会输出这样的图像：

当然，DALL·E本身就是多面手，它精通各种绘画流派和摄影风格，甚至是浮世绘都能画得有模有样。

研究者甚至发现，DALL·E对于时间也是有概念的，它会根据年份的不同生成不同的图像，比如下面是它生成的不同时期的电话图像。不过可以看出，DALL·E作为AI，还无法获得独立思考的能力，它对未来的预测还是被限制在已有的框架之内。

DALL·E是一次出色的尝试，它给出了一个从文本到图像的转化方案。目前看来，这项技术最有可能用来辅助设计师的工作，因为它能迅速地帮助设计师生成一个样例，比如在室内设计领域，他能将设计师的想法迅速转化为图像，从而能让设计师评估心中的方案，避免设计师浪费时间在建模上。

DALL·E的出现可能意味着深度学习领域的新趋势，越来越多的新模型聚焦于多模态融合（Multimodal Fusion），也就是将多种形式的信息融合在一起，比如视频和语言的结合、视频/图片搜索等任务。OpenAI首席科学家Ilya Sutskever最近也表示，多模态模型将在2021年成为机器学习的主要趋势。

相关文章：

https://openai.com/blog/dall-e/

https://www.leiphone.com/news/202101/fz0jsqTid2fFRlMJ.html