科学家造了个 “噩梦机器”，这种 AI 会把人活活吓死吗？

编者注：本文部分图片可能会引起读者不适。

万圣节来临之际，麻省理工学的科学家们也应景地推出了一款能吓人的 AI——噩梦机器（Nightmare Machine）。

噩梦 AI

虽然名字听上去很可怕，但噩梦机器的原理并不复杂，就是通过各种算法让计算机生成恐怖图片，计算机再根据用户的反馈判断恐怖程度，不断学习。

也就是说，让用户来告诉 AI 哪些画面会带来恐惧感，比如更多的牙齿、更浅的皮肤、更深的背景等。

在进行了足够多的机器学习后，理论上 AI 能够产生足以让人见之色变的图像。除此之外，研究人员还使用了 Google Deep Dream 的原理，让 AI 给各地著名景点加上了诡异的效果。

噩梦 AI

从目前的效果来看，这个 AI 的学习能力相当不错，比如官方 Instagram 放出来的这张布拉德‧皮特的恐怖照：

布拉德皮特

如果你感兴趣，也可以登陆 “噩梦机器 ” 的页面进行投票，给 AI 上上课。

说到能吓人的 AI，就不能不提到这方面的鼻祖——Google Deep Dream，这货从今年 6 月起就开始了制造噩梦了。

fear-loathing-0

图片来自：The Verge

Deep Dream 是基于 Google 的图片生成技术（已开源），AI 在获取图片后，通过各层神经网络的处理，最后生成一件扭曲的后现代风格作品。

然而，当 AI 开始学会吓人时，可能有人会担心：这是否意味着 AI 掌握了恐吓人类的技能，会吓人的 AI 算不算一种威胁？

事实上，无论是 Google 的 Deep Dream 也好，MIT 的噩梦机器也好，它们所涉及到只是与图像处理有关的算法，与 “恐怖” 无关。

噩梦 AI

图片来自：Deep Dream 官网截图

在 Deep Dream 中，图片经过卷积层时，第一层网络会识别出边缘、角等基础特征，经过层层变形（大概有 10-30 层），到了最后一层，这些基础形状已经被严重扭曲，特征也被放大，因而生成了类似抽象画的图像。

噩梦机器则用到了两项技术：风格转变（style transfer）和生成性对抗网络（generative adversarial networks）。

这两项技术去年才以论文的形式发表，前者主要是有关卷积网络自主收集图像数据的学习，后者则是基于艺术元素创作艺术图像的深层神经网络系统。

噩梦 AI

此外，噩梦机器对于恐怖的判断，也需要依靠人类的反馈而进行学习，换句话说，目前的 AI，还在 “人类控制” 之下，远谈不上威胁。当然，仅凭三名科学家，就能够在短短一年内完成从理论到实际的应用，足以证明 AI 研究的飞速发展。

然而，你或许会质疑：没有自主意识的 AI ，要如何把握 “恐怖” 的分寸，万一把人吓死怎么办？

从 “噩梦机器” 页面中 “含有恐怖内容，并非所有用户都适合观看” 的提示可以看出，麻省理工的科学家们显然也考虑到了这个问题，但似乎也没有很好的解决办法，制作者也只能是尽到提醒义务，这与恐怖电影或是 “鬼屋” 游戏的做法类似。

噩梦 AI

毕竟每个人对恐怖的承受能力不同，要知道即使是在人与人当中，因用力过猛把对方吓出毛病甚至导致死亡的事情也时有发生，如果 AI 已经发展到能够把握尺度的地步，那我们或许真的该担心了。

至于 Google 家的 Deep Dream，说是噩梦，倒不如说是 “梦境” 更合适，因为它只是将各种元素进行扭曲变形，也谈不上恐怖，比如像这样的：

噩梦 AI

图片来自：Deep Dream

还有像这样的：

dream_c38626c963

图片来自：Deep Dream

以当前 AI 的发展来看，担忧它学会吓人似乎有些小题大做，毕竟它充其量也就是生成几张让人不适的图片而已。