17101212468?黃翊杰
轉(zhuǎn)載自http://www.zishu010.com/z/newdetail/9811903.html耕漱，原文標(biāo)題“終于發(fā)現(xiàn)一個AI替代不了的工作——畫漫畫，因為AI看不懂漫畫”，原始文章發(fā)布在微信公眾號“腦極體”（ID：unity007）孵运，作者:腦極體。
【嵌牛導(dǎo)讀】：我們經(jīng)常討論一些AI對我們生活造成的影響和改變蔓彩，討論中更多的是關(guān)注其可能會對我們這個社會系統(tǒng)帶來的負面影響和威脅治笨，但其實目前的AI水平仍是停留在低智能的機械水平上，比如赤嚼，AI拿漫畫就一點辦法沒有旷赖。
【嵌牛鼻子】：二次元，漫畫家更卒，人工智能
【嵌牛提問】：漫畫是一種人類獨有表述能力的體現(xiàn)等孵，還有哪些方面像漫畫一樣可以為難一下AI？
【嵌牛正文】：
AI工程師的很大一部分工作就是替AI“帶路”蹂空，然后告訴人類俯萌，你們的這項和那項工作都要被AI替代了。
一直以來上枕，人類似乎都站在一個毫無還手之力的弱勢地位绳瘟，或許未來真的像一些悲觀者想象中那樣，我們有AI司機姿骏、AI售貨員糖声、AI詩人，但人類自己卻成了可憐的乞討者。
直到今天蘸泻，他們第一次發(fā)現(xiàn)有一項工作AI在一段時間以內(nèi)都無法超越人類琉苇，而這次勝利屬于二次元——不會被AI代替的工作，是漫畫家悦施。
連漫畫都看不懂并扇，談什么毀滅世界？
漫畫家不會AI代替的原因很簡單抡诞，因為馬里蘭大學(xué)的一位教授進行了一項研究穷蛹，最終發(fā)現(xiàn)AI根本看不懂漫畫。
以上是一則非常簡單的四格漫畫昼汗，對于人類來說理解起來非常容易：小貓在思考創(chuàng)作素材肴熏，然后發(fā)現(xiàn)了小狗，要求小狗講個笑話顷窒，小狗說“你很漂亮”導(dǎo)致小貓非常憤怒蛙吏。
實際上，在最后一個畫面中鞋吉，小狗沒有入鏡鸦做，而“你很漂亮”本來是表揚，要和上一個畫面中的“笑話”連接起來谓着，才能解釋出小貓的情緒泼诱。
對于AI來說，理解這些呈現(xiàn)在畫面之外的信息赊锚，簡直太困難了治筒。
在馬里蘭大學(xué)的實驗中，研究者搭建了一個由120萬張漫畫畫格組成的數(shù)據(jù)集改抡，并提取出了每個畫格中的文本矢炼，利用LSTM模型系瓢，希望AI能對漫畫進行一個連貫的了解阿纤。
關(guān)于LSTM（長短期記憶網(wǎng)絡(luò)）此前已經(jīng)介紹過很多，這一模型的特點就是加入了記憶的概念夷陋，可以處理和預(yù)測時間序列較長元素欠拾。雖然在長文本纳像、機器翻譯等等方面表現(xiàn)的都不錯轻黑，但在看漫畫這件事上，LSTM徹底挫敗了楞慈。
在經(jīng)過大量訓(xùn)練后酬土，研究人員給了AI一組以前沒見過的漫畫荆忍，要求AI理解并預(yù)測下一個畫面中的文字信息或畫面內(nèi)容，結(jié)果AI的成績一塌糊涂。而人類的預(yù)測正確程度刹枉，通常能達到80%的正確率叽唱。
視覺敘事？何必強人工智能所難
嚴(yán)格來說微宝，漫畫這種東西屬于“視覺敘事”——把信息隱藏于圖像之中棺亭。同樣是視覺敘事，AI理解電影就比理解漫畫容易的多蟋软，電影的主角是人镶摘，而人臉長的都是一個樣子，想要訓(xùn)練AI讀出人臉表情岳守、識別情緒是件很簡單的事凄敢，更何況電影還會有詳細的劇本。
但漫畫最大的特點棺耍，就是視覺上不具有連貫性贡未。就像上文的四格漫畫一樣，第三張圖小狗還在畫面中蒙袍，第四張圖就不在了俊卤。人類可以很快的理解到，名為淡定狗的小狗扔下一句話就淡定的離開害幅∠校可對于AI來說，讀出這種在畫面和文字之外的信息實在是強人工智能所難以现。
其次狠怨，不同漫畫的繪畫、敘事風(fēng)格迥異邑遏，對于AI的訓(xùn)練來說也是個難點佣赖。簡單的四格漫畫中，每一格的場景都是相同的记盒，可在其他漫畫中憎蛤，可能這一格是打斗的場景，下一格就是一張憤怒的人臉纪吮。能看懂四格漫畫AI俩檬，再去看那種有鏡頭切換感的漫畫，也是一頭霧水碾盟。至于畫風(fēng)方面棚辽，不同漫畫家對于人臉描繪方式都有很大差異，換成AI來理解冰肴，難度又會加大了屈藐。
還有一點榔组，視覺敘事這件事是建立在“邏輯”和“常識”兩個概念基礎(chǔ)之上的。比如小貓說講個笑話联逻，小狗說“你好漂亮”瓷患，理解這個情節(jié)就需要“你說我漂亮是笑話=你說我丑”這一基礎(chǔ)的邏輯。又比如哆啦A夢中常見的老鼠梗也需要“貓通常不怕老鼠”這一基礎(chǔ)常識遣妥。這些東西對于人類來說都很簡單擅编，可是AI是不具備這些常識和邏輯概念的，我們也不能像編百科全書那樣箫踩，把這些概念灌輸?shù)紸I的大腦之中爱态。
圍棋界的大手，到了甄嬛傳里也是一集死
其實結(jié)合AI在圍棋領(lǐng)域的勝利和在漫畫上的失敗境钟，我們可以看出，AI在完全信息信息領(lǐng)域中的表現(xiàn)和不完全信息領(lǐng)域中的表現(xiàn)完全不同慨削。
完全信息本來是經(jīng)濟學(xué)中的一個屬于，意思是參與者可以理解整個市場的所有信息缚态。在這里，我們可以看做一項工作的數(shù)據(jù)集玫芦。在圍棋這項工作中浆熔，所有的信息都可以歸納為數(shù)據(jù)集：游戲的規(guī)則、每一步的打法桥帆。可在漫畫中老虫，我們最多能把畫面中做上詳細的標(biāo)注，把文本信息都提取出來祈匙『龉簦可隱藏在圖片文字之外的邏輯關(guān)系、常識等等只可意會不可言傳的東西菊卷，是無法向AI提供的缔恳。
而AI做的最差的洁闰，就是read between the lines万细。
以此類推扑眉，AI在戲劇、歇后語聘裁、四國軍棋的暗棋（一種包含了欺騙的軍旗玩法）包括談戀愛等等一切充滿了不完全信息、欺騙與反欺騙衡便、解讀意象、常識和邏輯的游戲中表現(xiàn)都不會太好镣陕。
這么看來姻政，AI有點像《三體》里初期的智子呆抑，不會隱藏自己的想法汁展，也不能明白隱瞞、欺騙這種概念侈咕。所以，我們真的不必對AI的勝利感到恐懼乎完，它會是辦公室里人緣最差的那位同事和后宮里一集死的路人品洛，某一項能力的突出并不能彌補它在不完全信息方面的短板。更何況意象桥状、類比、反諷辅斟、隱喻這種東西，是人類最擅長的手段士飒。
我相信，未來世界最好的樣子一定是人類和AI各司其職扰藕，做各自最擅長的事情芳撒。在視覺敘事這類AI特別不擅長的事情上邓深，它們依然能給人類提供很多幫助未桥。
比如用生成對抗神經(jīng)網(wǎng)絡(luò)創(chuàng)造人物形象芥备、用監(jiān)督學(xué)習(xí)+卷積網(wǎng)絡(luò)來為線稿上色冬耿、甚至開發(fā)一款會自動放大文字的漫畫閱讀App。這些并不是幻想亦镶，而是正在發(fā)生的現(xiàn)實。當(dāng)這些繁復(fù)的機械勞動被AI代勞后染乌，我們也就能更多的投入到自己擅長的事情中來：利用不完全信息環(huán)境講好更多故事懂讯，讓這個世界保持應(yīng)有的趣味。
