|?深度学习先驱Yann LeCun被骂退推特:你们都很懂,从此我不说话了
在长达两周的「骂战」之后 ， 图灵奖得主、Facebook 首席 AI 科学家 Yann Lecun 宣布 ， 自己将退出推特 。
「我请求社交网络上的所有人不要再互相攻击了 ， 特别是对于 Timnit Gebru 的攻击 ， 以及对于我之前一些言论的攻击 。 」Yann LeCun 刚刚在推特上发出了这样的呼吁 。 「无论是口头还是其他方式的冲突 ， 都只能获得伤害和相反的结果 。 我反对一切形式的歧视 。 这里有一篇关于我核心价值观的文章 。 」
「这是我在推特上最后一篇有内容的帖子 ， 大家再见 。 」
本文插图
看起来 2018 年图灵奖得主、人工智能领军人物 Yann LeCun 已经下定决心想对长达两周的激烈讨论画上句号 。 而这场闹得沸沸扬扬的骂战 ， 起因正是被指「严重种族歧视」的 PULSE 算法 。
这一工作由杜克大学推出 ， 其人工智能算法可以将模糊的照片秒变清晰 ， 效果极佳 。 这项研究的论文已在 CVPR 2020 上发表（论文《PULSE：Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models》） 。
本文插图
PULSE 在 CVPR 大会期间引来了人们的关注 ， 进而引发了 AI 社区的广泛争议 。 首先 ， 这种方法所产出的图像清晰度更高 ， 细节也更加丰富：PULSE 能够在几秒内将一张 16×16 像素的图片提升至 1024×1024 分辨率 ， 提升高达 64 倍 。 目前该算法仅针对人脸照片 ， 算法生成的照片清晰到可以呈现出人脸上的毛孔、皱纹甚至一缕头发 。
但本质上看 ， PULSE 并不是在消除马赛克 ， 而是「生成」了看上去真实却并不存在的人脸 。 超分辨率算法一直是计算机科学的热门研究领域 ， 以往科学家们提出的还原方法是在低分辨率图片中添加像素点 。 但 PULSE 使用 GAN 的思路 ， 先利用深度学习算法生成一些高清图片 ， 再降低它们的分辨率 ， 并与模糊的原图对比 ， 从中找出匹配程度最高、最接近原图的高清图像随后输出 。
问题就出在这里 ， 有网友试用了 PULSE 之后 ， 发现美国前总统奥巴马的高糊照片经过去码处理以后 ， 生成的是一张「白人面孔」：
本文插图
有网友质疑该方法生成结果存在偏见 ， 对此项目作者也给出了回应 ， 表示这一偏见很可能来自于 StyleGAN 的训练数据集 ， 可能还有其他未知因素 。
「我们意识到偏见是机器学习和计算机视觉领域的重要问题 ， 并就此问题联系了 StyleGAN 和 FFHQ 数据集的创建者 。 我们希望这能够促进不具备此类偏见行为的方法的诞生 。 」
【|?深度学习先驱Yann LeCun被骂退推特:你们都很懂,从此我不说话了】但这件事还没完 ， 鉴于美国目前 BLM 的舆论环境 ， 人们很快就开始深入讨论机器学习研究结果缺乏多样性的问题 。 在这其中 ， 种族偏见和性别偏见的问题一直存在 ， 迄今为止却没人给出一个好的解决办法 。
也就在这个时候 ， Yann LeCun 发布了一条推特 ， 来解释为什么 PULSE 会出现这样的偏见 。
本文插图
「机器学习系统的偏差是因为数据的偏差 。 这一人脸上采样系统其结果倾向于白人是因为神经网络是在 FlickFaceHQ 上预训练的 ， 其中的大部分图片基本是白人照片 ， 」Yann LeCun 说道 。 「如果这一系统用塞内加尔的数据集训练 ， 那肯定所有结果看起来都像非洲人 。 」
Yann LeCun 的说法本身没有错 ， 但可能是因为过于直白了 ， 一下子让大量 AI 从业者和研究人员炸了锅 。 LeCun 希望将人们的注意力引向数据集的偏差 ， 但推特网友不买帐 ， 并指责他「用这种陈旧的理由来掩盖问题本质」 。
推荐阅读
- 青年|西安邮电大学与安康汉滨区深度合作，研发适合毛绒玩具全产业链实用技术
- 行业互联网,智慧医疗|商汤科技创“心”升级，探索“联邦学习”入选ECCV
- 技术编程|机器学习又一重要医学应用！培植人造器官
- 大众新闻|海外高知妈妈都头疼的中文学习，LingoAce有什么好办法？
- 中文|海外高知妈妈都头疼的中文学习，LingoAce有什么好办法？
- 科学|亚太卫星深度报告（上）：卫星这块蛋糕有多大？
- 公司|中登集团学习群：公司请你来做什么
- 青年|《逻7识智》脑训7：学习
- |麦哥说电商：深度揭秘信息流创意曝光机制
- 中年|机器学习必读TOP 100论文清单：高引用、覆盖面广丨GitHub 21.4k星