Facebook的研究人员迈出了一个越来越近于被称为无人监督的人工智能的圣杯。他们提出了一种生成真实照片样本的方法，这些照片看起来不像那样假装。

事实上，计算机生成的样本 - 根据昨天在线发布的新论文，看起来真实地看起来是真实的，志愿者看看了40％的时间。Facebook提交了本文，以便在蒙特利尔即将到来的神经信息处理系统（NIPS）会议上审议。

该研究超出了监督学习的范围，其中许多初创公司和大型公司（包括Facebook），用于各种各样的目的。

监督深度学习传统上涉及培训人工神经网络，在一大堆数据上与标签 - 例如，“这100张照片展示鹅” - 然后将它们抛出一条新的数据，就像鸵鸟的图片一样关于新图片是否描绘鹅的教育猜测。

通过无监督的学习，没有标记的图片可以学习。这是人们学会识别事物的方式。一旦看到一个或两个手机，您可以立即识别它们。

Facebook正在追求无监督的学习，可能是为了做出更好的（或更具自动化的）工作，其中一些任务可以应用于监督学习的某些任务：图像识别，视频识别，自然语言处理和语音识别。但它应该进一步前进，可以梦想全新的用途。

目前，Facebook只是进行“纯粹的研究”，Facebook研究科学家和领导作者Rob Fergus在面试中告诉VidtureBeat。

那“纯粹的研究”完全迷人。谷歌本周表明，其神经网络可以产生彻头彻尾的图像的表现形象 - 弗格斯说他们“看起来超酷” - 但从根本上讲“不会让你进一步解决无人监督的学习问题”，“弗格斯说。他说，它更加困难，生成看起来真实的图像，即看起来迷幻的图像。

为此，Facebook使用不是两个训练有素的神经网络 - 一种生成和一个判别。您给生成的一个随机向量，它生成图像。判别网络决定输出图像是否真实。

得到的系统可以产生微小的64×64像素图像。

“该分辨率足以对现场进行大量并发症，”弗格斯说。“对他们来说，有很多微妙和忠诚。”

当然，研究人员将培训该系统，随着时间的推移，使用更大且更大的图像。

阅读论文（PDF）以详细了解研究。发言人表示，Facebook将在开源许可下发布其在开源许可下的工作的新代码，可能是下周结束。