在深度學(xué)習(xí)仍然需要不少的數(shù)學(xué)和計算機編程能力的現(xiàn)在，如果突然出現(xiàn)了一個不需要寫任何公式和代碼的深度學(xué)習(xí)應(yīng)用開發(fā)平臺，你會是什么感覺?震驚?鄙夷?

Verge 的一篇文章就近距離觀察了這個新的可視化開發(fā)平臺 Lobe，并詢問了領(lǐng)域內(nèi)的研究者和開發(fā)人員的意見。我們是否應(yīng)當(dāng)和他們一樣充滿信心還是抱有疑慮呢?

 

 

Lobe 是一種新型的人工智能開發(fā)工具，它專注于可視化界面而不是編程

許多公司都在努力讓人工智能技術(shù)更加易于使用，但是很少有公司能夠做到像 Lobe(http://lobe.ai/)這樣簡單。今年早些時候成立的這個初創(chuàng)公司，為用戶提供了一個簡潔的界面，用戶通過拖拽操作即可從頭開始構(gòu)建深度學(xué)習(xí)算法。這個工具的側(cè)重點主要是計算機視覺。這意味著如果你想要構(gòu)建一個能識別不同的盆栽植物，或者可以統(tǒng)計出一棵樹上的鳥的數(shù)量的工具，你可以在不輸入任何一行代碼的情況下在 Lobe 中完成所有的工作。

該公司的聯(lián)合創(chuàng)始人Mike Mata 告訴《Verge》網(wǎng)站，他們開發(fā) Lobe 系統(tǒng)并不是為了和那些專業(yè)的機器學(xué)習(xí)人員使用的軟件(如 Pytorch 和TensorFlow)競爭。相反，他們是想要為業(yè)余愛好者提供一個簡單的構(gòu)建深度學(xué)習(xí)算法的方式。Matas說：「人們往往在機器學(xué)習(xí)領(lǐng)域由自己想要嘗試的一些想法，但是并不是所有人都有正確的方式構(gòu)建原型系統(tǒng)」。Lobe 讓這些業(yè)余愛好者在沒有受過任何訓(xùn)練的情況下邁出了第一步，使得深度學(xué)習(xí)相對于從建筑學(xué)到天文學(xué)等各個領(lǐng)域的專業(yè)人士的準(zhǔn)入門檻更低。Matas 補充道：「我們希望具備更廣泛的吸引力」。

Lobe 以及類似的工具可以提供無需編程就能構(gòu)建深度學(xué)習(xí)算法的平臺

為了驗證以上的說法，本文作者自己動手嘗試了一下 Lobe。作者構(gòu)建了一個通過攝像頭識別拼字游戲的深度學(xué)習(xí)算法。如果我們向攝像頭展示一個字母「a」，機器就會說出「a」;如果向它展示字母「b」，機器則會說出「b」，以此類推。(這是具有開創(chuàng)性的工作。)為了做到這一點，我們只需要完成大多數(shù)機器學(xué)習(xí)應(yīng)用程序的通用步驟。首先我們需要收集數(shù)據(jù)集(拼字游戲的圖片)，對數(shù)據(jù)進行標(biāo)注(將數(shù)據(jù)按照字母分到不同的文件夾中)，接著讓神經(jīng)網(wǎng)絡(luò)仔細檢查每一張圖片，然后慢慢學(xué)習(xí)構(gòu)成每個字母的形狀。

用 Lobe 構(gòu)建這種應(yīng)用程序真是再簡單不過了!你不需要下載任何東西，只需要在你的瀏覽器中加載 Lobe.ai，通過谷歌賬號登陸，你就可以開始進行這項工作了。你可以選擇一個模版(在這種情況下，使用預(yù)訓(xùn)練好的標(biāo)簽和圖像進行匹配)，從你的桌面將數(shù)據(jù)加載進去，然后讓這個模版為你處理信息。目前還只有少量幾個可供選擇的模版，但是Lobe 的創(chuàng)建者說它們打算通過加入新的神經(jīng)網(wǎng)絡(luò)架構(gòu)來進行擴展，并且創(chuàng)建一個用戶可以分享它們的最佳模型的社區(qū)。

神經(jīng)網(wǎng)絡(luò)的不同部分在屏幕上以方框的形式顯示出來(這種方框被大家自然地稱作「lobes」)，這些方框通過線條連接成一個類似于流程圖的結(jié)構(gòu)。你還可以查看每個節(jié)點的「內(nèi)部」結(jié)構(gòu)，并調(diào)整它們處理數(shù)據(jù)的方式。當(dāng)你完成這些組織工作后，你可以將最終得到的模型導(dǎo)出到不同的平臺上，包括谷歌的 TensorFlow 和蘋果在 iOS 上運行的 CoreML。

Lobe.ai 目前還處于測試階段，所以在設(shè)計中還存在一些粗糙的補丁和許多不直觀的細節(jié)。但是它整體的外觀和感覺還是很炫酷的，令人印象深刻，這有一部分歸功于 Matas 的背景。作為一名商業(yè)設(shè)計師，他曾任職于蘋果公司，為第一代 iPhone 和第一代iPad 完成了用戶界面的設(shè)計工作。之后，他轉(zhuǎn)投到 Nest 公司，為公司的恒溫器產(chǎn)品進行設(shè)計來;再接下來，他在 Facebook 和他的團隊一起開發(fā)了一款顏值超高(但注定要失敗)的名為「Paper」(https://www.theverge.com/2014/2/3/5373488/facebook-paper-app-review)的應(yīng)用。

在構(gòu)建我們的拼字游戲探測器時，我一開始確實遇到了一些困難(主要原因是沒有給系統(tǒng)輸入足夠的數(shù)據(jù))，但是通過反復(fù)地修修補補、調(diào)整模型，這些問題得到了解決。不久之后，我在瀏覽器中運行出了一個拼字游戲識別程序。

 

 

我的拼字游戲探測器簡單易構(gòu)建。

很明顯，我所構(gòu)建的系統(tǒng)是相當(dāng)簡單的。但是我們也要看到，這種技術(shù)是十分具有潛力的，不要把它看作人工智能應(yīng)用。不妨將它想象為一只在家中訓(xùn)練好的聽話的猴子，你已經(jīng)教會了它識別你選擇的視覺線索。只要猴子發(fā)現(xiàn)了你要求它尋找的東西，它除了發(fā)出「eee eee eee」的叫聲，啥也做不了!但是有這樣一只猴子還是很方便的。有了合適的訓(xùn)練素材和一點點耐心，你可以教它做各種各樣有用的事情，比如識別出惡性的痣和良性的痣之間的區(qū)別;或者觀察嬰兒監(jiān)控器，看看你的寶寶是否從嬰兒床中跑了出來。如果你講音頻信號轉(zhuǎn)化成了視覺數(shù)據(jù)的格式來表示聲波，你甚至可以讓猴子識別出不同的聲音。是的，這都是我們可以使用 Lobe 構(gòu)建的真實應(yīng)用程序。

當(dāng)然，盡管 Lobe 通過其簡單易用的特性吸引了機器學(xué)習(xí)的業(yè)余愛好者，這也并不意味著它就沒有缺陷。一些專家爭論道，這樣的工具對這個學(xué)科進行的扁平化處理是沒有益處的，它知識使用可視化的替身代替了編程的過程，但實際上并不能教會用戶如何構(gòu)建高質(zhì)量的算法。Jeremy Howard 是一位數(shù)據(jù)科學(xué)家和企業(yè)家，也是 Fast.AI 的聯(lián)合創(chuàng)始人，這是一個通過工具和教程使人們更容易使用深度學(xué)習(xí)技術(shù)的研究實驗室。他說，他早就預(yù)見到了這一切!

Howard 說道：「出于某種原因，每個一兩年，就會有人出來設(shè)計一個機器學(xué)習(xí)訓(xùn)練系統(tǒng)，這樣的系統(tǒng)的功能包括從工具箱中拖拽出方框，然后用線條將他們連接在一起。我還不是十分明白為什么構(gòu)造這樣的系統(tǒng)會如此吸引人，但事實就是如此」�！高@樣的系統(tǒng)往往會受到一定程度的關(guān)注，因為專業(yè)社區(qū)之外的人認為這些工具讓機器學(xué)習(xí)變得更加簡單易用了，但是事實上它們并沒有做到這一點�！�

如果 Lobe 過度簡化了機器學(xué)習(xí)，將會如何呢?

Howard 說，這樣的可視化界面并沒有太大意義;這樣構(gòu)建深度學(xué)習(xí)系統(tǒng)的過程在本質(zhì)上和編寫代碼是一樣的。但是它卻比編程「更加笨拙，更加費時，而且你一次性地從屏幕上看到的信息更少�！顾�指出，要想構(gòu)建最基礎(chǔ)的應(yīng)用(就像我設(shè)計的拼圖游戲探測器)之外的任何東西，你仍然需要知道：「你想要使用哪些組件」，「如何將他們連接在一起」這樣的技術(shù)細節(jié)。但是由于 Lobe 這樣的工具將這些信息封裝在了方框和連接線中，這些信息就不像在代碼中那樣容易獲知了。「數(shù)據(jù)科學(xué)的難點不在于打字!」Howard 說道�！鸽y的是知道應(yīng)該寫些什么�！�

他還建議，Lobe 的一些更加復(fù)雜的設(shè)定是出于美觀的考慮，而不是實際的功能性。「它們可以顯示出你改變了模型架構(gòu)，但事實上并沒有人手動編寫了架構(gòu)」Howard 說道。「這種通過把數(shù)字輸入方框構(gòu)建深度學(xué)習(xí)模型的想法說明它們完全不知道人們需要做的是什么。」

如果你贊同 Howard 對Lobe 的批評，那么 Lobe 似乎是一種過于復(fù)雜的讓人們開始構(gòu)建機器學(xué)習(xí)模型的方式。(與其他免費的類似產(chǎn)品相比，Lobe 可能會付費使用，盡管 Matas 說價格還沒有最終敲定。)但是即使像這樣的可視化工具只是現(xiàn)有軟件的一個皮膚，它們?nèi)匀皇怯衅鋬r值的。如今代碼的流行的文化形象——那些不停滾動的，無窮無盡的難以理解的符號——是一種讓人生畏的形象。Lobe 使人們開始構(gòu)建機器學(xué)習(xí)模型的過程不再那么可怕，反過來說，它也可以幫助那些從最新的機器學(xué)習(xí)技術(shù)中受益的專業(yè)人士。

Jean-olivier Irisson 是這種現(xiàn)象的一個很好的例子。作為位于「Villefranche-sur-Mer,」的法國海洋學(xué)實驗室的助理教授，Irisson 在接受Verge 采訪時說，他對編程并不是一無所知，但是他在使用Lobe 之前對于深度學(xué)習(xí)并沒有一個直接的經(jīng)驗�，F(xiàn)在他是Lobe 的封閉測試人員中的一份子，并且正在使用該公司的軟件幫助實驗室對浮游生物圖片進行分類。

Irisson 說，他和她的同事們都意識到新的深度學(xué)習(xí)技術(shù)的性能會在他們的領(lǐng)域超越傳統(tǒng)的方法�！傅�是深度學(xué)習(xí)目前的發(fā)展速度是我們這些非專業(yè)人士跟不上的�！顾�說 Lobe 意味著：他可以在不用購買新的硬件或掌握新的編程框架的情況下，開始使用最新的神經(jīng)網(wǎng)絡(luò)架構(gòu)。他說：「它讓我專注于閱讀論文，理解概念，并且應(yīng)用到那些我認為前景光明的方向上去」。

與本文作者一樣，Irisson 說他發(fā)現(xiàn) Lobe 用戶界面的某些部分還存在一些問題。但我們在這里需要再次強調(diào)的是，現(xiàn)在我們使用的僅僅是測試版的軟件�？偟膩碚f，他認為，這種體驗是非常直觀的。他通過電子郵件對 Verge 網(wǎng)站說：「我認為 Lobe 這樣的工具可以幫助非專業(yè)人士打開神秘的『黑箱』(深度學(xué)習(xí)模型通常被認為是一種黑箱模型)，并且理解它們，Lobe 實實在在地幫助了我」。

這似乎與 Matas 對 Lobe 的愿景是吻合的：這是一款幫助人們盡可能快地開始構(gòu)建人工智能應(yīng)用的工具。Matas 說道：「如果你對某件事已經(jīng)有了一個概念，并且你擁有訓(xùn)練數(shù)據(jù)，你可以通過Lobe 很快地訓(xùn)練一個機器學(xué)習(xí)模型」�！溉绻�它可能利用你所擁有的1000 個樣本能夠訓(xùn)練出很好的結(jié)果，你可以找到能夠進行提升的地方，并且這會給你繼續(xù)前進的動力」。

如果說人工智能技術(shù)真的要改變世界，那么很顯然，參與到其中的人越多越好——尤其是科技界外的人。有些科學(xué)領(lǐng)域的專業(yè)人士可能認為自己沒有時間學(xué)習(xí)編程，但是它們可以在瀏覽器中構(gòu)建這種模型從而獲得某種研究的感覺。從這一點上來說，Lobe 看上去就像是一個完美的為機器學(xué)習(xí)革命打 call 的宣傳工具!

標(biāo)簽： 代碼 電子郵件 谷歌 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。