资讯 人工智能学术
此为临时链接,仅用于文章预览,将在时失效

谷歌获批GAN专利,一整套对抗训练网络被收入囊中

作者:蒋宝尚
2020/01/16 17:53

谷歌获批GAN专利,一整套对抗训练网络被收入囊中

作者 | 十、年

编辑 | Camel

雷锋网消息:谷歌获得了“对抗训练神经网络”专利。

根据FPO(免费专利在线)信息显示,此项专利申请于2016年的9月份,生效于2019年的12月31日。

谷歌获批GAN专利,一整套对抗训练网络被收入囊中

其中,发明人为Ian J. Goodfellow,Szegedy, Christian。谷歌作为受让人拥有专利权,这意味着继神经网络 Dropout 专利之后,又一构建神经网络的基础方法归属于谷歌。

根据该专利的声明,保护条款有14条。其中第一条便指出这是一种用来确定神经网络参数的方法,在接下来的条款中详细介绍了神经网络对抗训练的过程,涉及到了数据处理、模型训练等等。也就是说使用对抗训练方法中的目标函数,迭代方法都是受法律保护的。换句话说,你如果使用对抗训练神经网络可能存在着付费的风险。

谷歌获批GAN专利,一整套对抗训练网络被收入囊中

专利的其他参考

另外值得注意的是,这项专利不仅包括GAN( 生成式对抗网络)。根据专利声明,其在申请中所用词语为“方法”,“系统”,雷锋网发现这意味着此项专利是用来解决某一类机器学习问题,而不是一个。另外,专利页面也标明了此项专利的其他参考来源不仅仅局限于Goodfellow的《 Generative Adversarial Nets》。

何为对抗训练

对抗训练神经网络最著名便是GAN,即生成式对抗网络,主要用在图像技术方面的图像生成和自然语言方面的生成式对话内容。

谷歌获批GAN专利,一整套对抗训练网络被收入囊中

生成对抗网络框架

作为一种深度学习模型,GAN是近年来复杂分布上无监督学习最具前景的方法之一。最初是Ian J. Goodfellow等人于2014年10月在“Generative Adversarial Networks ”中提出了的一个通过对抗过程估计生成模型的新框架,此框架能够使得训练模型的数据更具效益。

在GAN设置中,两个由神经网络(生成器和鉴别器)在这个框架中要扮演不同的角色。生成器试图生成来自某种概率分布的数据;鉴别器就像一个法官。它可以决定输入是来自生成器还是来自真正的训练集。例如在图像生成中如果生成器构造的图像不够好,那么鉴别器就传达一个负反馈给生成器,于是生成器根据反馈调整自身参数,让下一次生成的图片质量得以提升,它就是靠这种体内自循环的方式不断提升自己构造图片的能力。其运行过程类似于武侠小说《射雕英雄传》中,王重阳的师弟周伯通所使用的“左右互博”之术。

有何影响?只是谷歌的自我防御?

谷歌这项专利在Reddit 论坛上有人提出忧虑,也有人相当乐观觉得没啥大不了的。

谷歌获批GAN专利,一整套对抗训练网络被收入囊中

哇!多谢Goodfellow,这非常酷,为一个极其宽泛的概念申请专利肯定不会扼杀创新。

谷歌获批GAN专利,一整套对抗训练网络被收入囊中

有的意味深长的表示,这涵盖了神经网络的对抗训练,即针对鲁棒性,而不是一般的GAN。

谷歌获批GAN专利,一整套对抗训练网络被收入囊中

还有网友质疑是否公平!甚至将问题引至了政治!

雷锋网发现不过根据谷歌针对Dropout专利的态度,短时间内应该不会有风险,正如之前Jeff在Google 日本举行的传媒会议中回应的那样,只是为了避免不必要麻烦,保护公司利益而做,并不为借专利技术赚钱,开发人员毋须担心。

但是对于我们中国现状,自主知识产权的底层框架和核心算法缺乏,更多依靠开源代码和算法的情况下。谷歌一系列专利获批,不仅关乎科研,还关乎更致命的自主核心算法和背后的“卡脖子”困境。

长按图片保存图片,分享给好友或朋友圈

谷歌获批GAN专利,一整套对抗训练网络被收入囊中

扫码查看文章

正在生成分享图...

取消
相关文章