在教会AI脑补、理解周围的环境之后，还能往什么方向努力？
“人工智能梦之队”DeepMind给出了非常多的例子。
继DeepMind今年6月在Science上发表论文提出GQN（Generative Query Network，生成查询网络）之后，他们相关的研究还在继续。
DeepMind今天在Twitter上公开了GQN的一些新扩展、新应用。
GQN原本的能力，主要表现为基于几张图像，还原出一个3D场景，并生成这个场景任意视角下的渲染图。
当然，作为一项开创性的研究，它所使用的场景，还是比较简单的。
如今的这些新进展，将GQN的能力扩展到了连续视频的生成、在MineCraft这种复杂场景中定位、根据文字描述来生成场景等等，甚至还将GQN的训练方法，搬到了更广泛的回归、分类等任务上。
我们来分别看一看。
用GQN的训练方式搞定其他任务
DeepMind认为，GQN创造的训练机制很不错。于是，他们在最新的两项神经过程（Neural Processes）研究中，将这种训练机制泛化到了回归、分类等其他小样本预测任务上。
这方面的成果，是DeepMind在下周召开的机器学习顶会ICML上将要展示的两篇论文：
Conditional Neural Processes，发表于ICML 2018；
Marta Garnelo, Dan Rosenbaum, Chris J. Maddison, Tiago Ramalho, David Saxton, Murray Shanahan, Yee Whye Teh, Danilo J. Rezende, S. M. Ali Eslamihttps://arxiv.org/abs/1807.01613
Neural Processes，发表于ICML深度生成模型的理论基础与应用Workshop。
Marta Garnelo, Jonathan Schwarz, Dan Rosenbaum, Fabio Viola, Danilo J. Rezende, S.M. Ali Eslami, Yee Whye Tehhttps://arxiv.org/abs/1807.01622
这两篇论文所研究的，都是深度神经网络与高斯过程等贝叶斯方法的结合，只需要提供少量数据，就能在回归、分类、图像修补等任务上实现不错的效果。
在这两项神经过程的研究里，都使用了和GQN相似的元学习方法。因此，DeepMind表示，这两项研究都可以视为GQN在新任务上的泛化。
生成连续场景的CGQN
原来的GQN，是根据几张图像来预测3D模型。这种预测能力最邻近的扩展领域，大概就要数视频了。
在一项名为Consistent Generative Query Networks（CGQN）的研究中，DeepMind就基于GQN，实现了输入一串视频，预测一串预测出来的视频续在后边。
论文传送门：
https://t.co/wnKpMjnClx
GQN与注意力的结合
除了原来的3D模型，刚刚提到的回归、分类、视频生成等等，GQN还能用在视觉定位问题上。
在新论文Learning models for visual 3D localization with implicit mapping中，DeepMind探索了两个问题，一是将GQN用在视觉上更复杂的环境中，二是将它用于定位问题。
于是，他们用连续注意力机制对GQN进行了强化，然后用到了Minecraft环境中的定位问题上。
论文传送门：
https://t.co/spkisH866H
根据文字生成场景
只在视觉领域里摸爬滚打还不够，在一篇新论文中，DeepMind把GQN和对自然语言的理解结合了起来，提出了空间语言综合模型（Spatial Language Integrating Model，简称SLIM）。
SLIM能够根据文字描述，在空间中摆放物体，生成一个场景的不同视角。
在上图所示的例子中，SLIM根据描述，生成一个红色球体摆放在蓝色圆锥后边的场景，还能够旋转着展示这个场景在不同角度、不同距离看起来的样子。
论文传送门：
Encoding Spatial Relations from Natural Language
Tiago Ramalho, Tomáš Kočiský, Frederic Besse, S. M. Ali Eslami, Gábor Melis, Fabio Viola, Phil Blunsom, Karl Moritz Hermannhttps://arxiv.org/abs/1807.01670
声明：本文来自量子位，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
