基于蒙特卡洛树搜索与卷积神经网络的协作创作
人工智能
2016-12-16 v1
摘要
我们研究了一种人机协作绘图环境，其中自主智能体在绘制图像的同时，可选择允许用户直接影响智能体的轨迹。我们将蒙特卡洛树搜索与图像分类器相结合，并测试了浅层模型（例如多项逻辑回归）和深度卷积神经网络（例如 LeNet、Inception v3）。我们发现，使用浅层模型时，智能体产生的图像种类有限，但能被人类明显识别。然而，使用更深模型时，智能体产生更多样化的图像，并且虽然智能体对其实现目标保持非常自信（99.99%），但在人类看来它们大多类似于无法识别的“随机”噪声。我们将此与近期同样发现“深度神经网络容易被欺骗”的研究 \cite{Nguyen2015} 联系起来，并讨论了可能的研究解决方案和未来方向。
引用
@article{arxiv.1612.04876,
title = {Collaborative creativity with Monte-Carlo Tree Search and Convolutional Neural Networks},
author = {Memo Akten and Mick Grierson},
journal= {arXiv preprint arXiv:1612.04876},
year = {2016}
}
备注
Presented at the Constructive Machine Learning workshop at NIPS 2016 as a poster and spotlight talk. 8 pages including 2 page references, 2 page appendix, 3 figures. Blog post (including videos) at https://medium.com/@memoakten/collaborative-creativity-with-monte-carlo-tree-search-and-convolutional-neural-networks-and-other-69d7107385a0