神经网络是怎样理解图片的？谷歌大脑研究员详解特征可视化

夏乙 编译整理 量子位 出品 | 公众号 QbitAI

我们总是听说人工智能在图像识别上超越了人类，刷脸也逐渐成了生活中司空见惯的事儿。这些图像识别技术背后，通常是深度神经网络。

不过，神经网络究竟是怎样认识图像的？

△ 特征可视化能够告诉我们神经网络在图片中寻找的是什么

特征可视化这个强大的工具，就能帮我们理解神经网络内部的世界，知道它们的工作原理。

谷歌研究员Christopher Olah、Alexander Mordvintsev和Ludwig Schubert今天在distill博客上发文深度探索了特征可视化这个问题，并顺便介绍了一些新trick。

distill.pub是Olah等人今年3月推出的机器学习网站，会不定期发表文章，以可视化、可交互的方式来展示机器学习研究成果。

原文地址：https://distill.pub/2017/feature-visualization/。其中包含大量可交互的示例图片。

下面，量子位对这篇文章做个简要的介绍：

在2015年谷歌推出的DeepDream基础上，经过AI研究界后来的共同努力，现在，计算机视觉模型中每一层所检测的东西都可以可视化出来。经过在一层层神经网络中的传递，会逐渐对图片进行抽象：先探测边缘，然后用这些边缘来检测纹理，再用纹理检测模式，用模式检测物体的部分……

上面是ImageNet训练的GoogLeNet的特征可视化图，我们可以从中看出它的每一层是如何对图片进行抽象的。

在神经网络处理图像的过程中，单个的神经元是不能理解任何东西的，它们需要协作。所以，我们也需要理解它们彼此之间如何交互。

通过在神经元之间插值，我们可以更好地理解他们是如何彼此交互的。下图就展示了两个神经元是如何共同表示图像的。

Distill原文中的这个例子，能够动手探索不同神经元组合在一起会得到什么结果。

当然，这篇文章还介绍了一些特征可视化的trick。

在进行特征可视化时，得到的结果通常会布满噪点和无意义的高频图案。这些高频图案似乎和strided convolution或者池化关系密切。

△ 反向传播时，每次strided convolution或池化都会在梯度幅值上创建棋盘格图案

我们想更好地理解神经网络模型是如何工作的，就要避开这些高频图案。这时所用的方法是进行预先规则化，或者说约束。改变梯度也是一种方法，这种优化方法称为预处理（preconditioning）。

当然，了解神经网络内部的工作原理，也是增强人工智能可解释性的一种途径，而特征可视化正是其中一个很有潜力的研究方向，谷歌的几位研究员将其视为帮人类理解神经网络的一个基础模块，可以与其他工具结合使用。

推荐对此感兴趣的读者去阅读：

distill原文： https://distill.pub/2017/feature-visualization/

GoogLeNet所有通道的可视化： https://distill.pub/2017/feature-visualization/appendix/