通过社会意识学习：利用面部反馈改进深度生成草图模型
机器学习
2018-08-29 v2 计算机视觉与模式识别
人机交互
摘要
在通向通用人工智能（AI）的探索中，研究者们已尝试开发在无外部奖励时充当内在动机的损失函数。本文认为此类研究忽视了一种重要且有用的内在动机：社会交互。我们假定，使 AI 智能体感知来自人类的隐式社会反馈，可使其更快地学习更具泛化性和实用性的表示，并可能对 AI 安全产生影响。我们以面部表情反应的形式收集对 Sketch RNN（一种旨在生成草图绘制的基于 LSTM 的变分自编码器（VAE））样本的社会反馈。我们使用潜变量约束 GAN（LC-GAN）通过优化模型以生成其预测将引发更积极面部表情的草图，从一个小型观众组的面部反馈中学习。我们在多个独立评估中表明，经面部反馈训练的模型所生成的草图获得更高评分，并引发显著更积极的面部表情。因此，我们确立了隐式社会反馈能够改进深度学习模型输出这一事实。
引用
@article{arxiv.1802.04877,
title = {Learning via social awareness: Improving a deep generative sketching model with facial feedback},
author = {Natasha Jaques and Jennifer McCleary and Jesse Engel and David Ha and Fred Bertsch and Rosalind Picard and Douglas Eck},
journal= {arXiv preprint arXiv:1802.04877},
year = {2018}
}