目前，南加州大学的研究团队正在研究如何让AI模仿人类的想象过程，令其产生与人类类似的“想象力”，以合成或了解不同属性、前所未见的事物。研究人员认为，这项技术不但可以协助人们合成新药，还能提高自动驾驶汽车的安全性，并且让人工智能消除数据算法带来的潜在偏见。

　　当前AI难以分辨事物属性

　　对于人类而言，想象出一只黑色猫咪在长城上快速奔跑的脑内图像显得十分简单。然而，尽管深度神经网络（机器学习领域中的一种技术）在某些任务上取得了跟人类相当或超过人类的表现，但计算机在人类特有的“想象力”技能方面仍然薄弱。

　　研究人员们的长期目标之一，即“让AI创建可以推断的模型”。比如说，如果研究人员想让某个AI自行生成一张汽车图像，那么在理想情况下，可以通过为这个AI提供更多的汽车图像，然后这个AI就可以从颜色、类型等角度生成多种类型的汽车，如红色的保时捷、绿色的皮卡等。

　　如果这个目标实现，就意味着当AI接收到人们给出的几个样本时，就算它在此之前从未见过这样的事物，也能立即提取出这些样本的基本共性，并将这些共性应用于大量的新事物中。然而，目前的AI并不能清楚分析出事物的属性特征，比如一块长方形的木板，具有长方形、木质、板等属性，但AI并不清楚这些属性，只能从给定的木板图片中提取出类似长度、颜色相同的共性，这些共性并不一定都是事物的属性。

　　通过“解耦”让AI展开“想象力”

　　南加州大学的研究团队试图使用“解耦”来克服AI模型难以分辨研究对象不同属性的难题。

　　解耦，即当你直接替换事物的某个特性时，对原来事物的理解不造成影响。比如，当你拥有一台黑色电脑，并且从未见过黑色水杯，却知道水杯的样子时，你就会从黑色电脑上知道什么是黑色，然后将这个属性应用于水杯上，这时你就知道了黑色水杯是什么样子了。这个过程，就是实现了“解耦”。

　　与传统算法一次只分析一个样本不同，AI学习拆解事物的属性需要通过解耦技术分析一组样本图像，并挖掘它们之间的相似性，实现“可控的解耦表征学习”。然后，AI将重新组合这些属性信息，以实现“可控的新图像合成”，或者可以叫作“想象力”。

　　这样的想象方式在某些方面上类似于人类的推断行为，如同当人们看到一个物体的颜色时，可以用新颜色替换原始颜色，并轻松推断出这个颜色的其他物体会是什么样。

　　解耦还可以应用于深度伪造技术。例如将人的身份和动作分开，再由AI模型将A的身份替换为B，但保留A的动作，以此合成为新的图像和视频。

　　此外，在进行该项研究时，研究团队还生成了一个156万张的图像数据集，可以帮助相关领域的研究团队开展研究。

　　在众多领域拥有广泛前景

　　研究人员表示，他们的设计框架可以让AI适应于大多数的数据和知识领域，这将扩大AI“想象”的应用范围。此外，AI还可以从相关信息中完全抹除种族、性别等容易造成歧视的属性，让人们的信息在被数据分析时，得到相同的处理方式。

　　在医学领域，学会分辨属性的AI可以帮助医生和生物学家发现更多有用的药物。AI将药物的功能与药物的其他特性分开，然后将不同药物的特性重新组合，以合成新药。

　　不仅如此，当AI具有“想象力”后，它还可以帮助创建更安全的人工智能。比如说，它让自动驾驶汽车“想象”如何避开训练中从未遇见的危险场景。

　　“深度学习在很多领域都展示了较大的前景，但这些研究往往都没有深入去了解每个研究对象的独特属性特征。”计算机科学教授Laurent Itti说，“这是第一次真正地释放了人工智能的想象力，使它们能更加理解人类是如何看待世界的。”