这就是谷歌人工智能的梦想

根据两名谷歌软件工程师和一名实习生在谷歌博客文章中所说，谷歌的服务器驱动着世界上的大量数据，而且显然它们也在做梦。

谷歌的人工神经网络 (ANN) 是用于处理谷歌图片的人工神经元 (在计算机上运行) 的堆叠层。要了解计算机如何做梦，我们首先需要了解它们如何学习。简单来说，谷歌的程序员通过向 ANN 展示数百万张叉子图片并指定每张图片代表叉子的外观来教会它什么是叉子。网络的 10-30 层中的每一层都会从图片中提取越来越复杂的信息，从边缘到形状，最后是叉子的概念。最终，神经网络会理解叉子有一个手柄和两到四个叉齿，如果有任何错误，团队会纠正计算机的误读并重试。

Google 团队意识到，用于辨别图像的相同过程也可用于生成图像。逻辑是这样的：如果你知道叉子的样子，你就可以画出叉子。

这表明，即使向计算机展示了数百万张照片，它也无法想出一个完美的柏拉图式物体形状。例如，当被要求制作一个哑铃时，计算机会描绘出从哑铃形状中延伸出来的细长手臂。哑铃图片中经常会出现手臂，所以计算机认为有时哑铃也有手臂。

这有助于改进公司的图像处理能力，但谷歌团队更进一步。谷歌使用 ANN 来放大它在图片中看到的模式。每个人工神经层都在不同的抽象层次上工作，这意味着一些神经层根据微小的对比度拾取边缘，而另一些神经层则发现形状和颜色。他们运行这个过程来强调颜色和形状，然后告诉网络疯狂地工作，并不断强调它识别的任何东西。因此，如果一朵云看起来与一只鸟相似，网络就会不断地在小迭代中反复应用它对鸟的想法。

奇怪的是，谷歌团队发现了一些规律。石头和树木经常会变成建筑物。树叶经常会变成鸟类和昆虫。

研究人员随后将网络生成的图片设置为要处理的新图片，每次都创建一个带有小幅缩放的迭代过程，很快网络就开始创建“源源不断的新印象”。当以白噪声开始时，网络将生成纯粹由其自己设计的图像。他们将这些图像称为神经网络的“梦想”，完全是计算机思维的原始表现，源自现实世界的物体。

谷歌继续使用这些技术来了解他们的人工神经网络正在学习什么，甚至思考它是否可以揭示“整个创造过程的根源”。