0
作者 | 十、年
編輯 | Camel
雷鋒網(wǎng)消息：谷歌獲得了“對抗訓練神經(jīng)網(wǎng)絡(luò)”專利。
根據(jù)FPO（免費專利在線）信息顯示，此項專利申請于2016年的9月份，生效于2019年的12月31日。
其中，發(fā)明人為Ian J. Goodfellow，Szegedy, Christian。谷歌作為受讓人擁有專利權(quán)，這意味著繼神經(jīng)網(wǎng)絡(luò) Dropout 專利之后，又一構(gòu)建神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)方法歸屬于谷歌。
根據(jù)該專利的聲明，保護條款有14條。其中第一條便指出這是一種用來確定神經(jīng)網(wǎng)絡(luò)參數(shù)的方法，在接下來的條款中詳細介紹了神經(jīng)網(wǎng)絡(luò)對抗訓練的過程，涉及到了數(shù)據(jù)處理、模型訓練等等。也就是說使用對抗訓練方法中的目標函數(shù)，迭代方法都是受法律保護的。換句話說，你如果使用對抗訓練神經(jīng)網(wǎng)絡(luò)可能存在著付費的風險。
專利的其他參考
另外值得注意的是，這項專利不僅包括GAN（ 生成式對抗網(wǎng)絡(luò)）。根據(jù)專利聲明，其在申請中所用詞語為“方法”，“系統(tǒng)”，雷鋒網(wǎng)發(fā)現(xiàn)這意味著此項專利是用來解決某一類機器學習問題，而不是一個。另外，專利頁面也標明了此項專利的其他參考來源不僅僅局限于Goodfellow的《 Generative Adversarial Nets》。
對抗訓練神經(jīng)網(wǎng)絡(luò)最著名便是GAN，即生成式對抗網(wǎng)絡(luò)，主要用在圖像技術(shù)方面的圖像生成和自然語言方面的生成式對話內(nèi)容。
生成對抗網(wǎng)絡(luò)框架
作為一種深度學習模型，GAN是近年來復雜分布上無監(jiān)督學習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 ”中提出了的一個通過對抗過程估計生成模型的新框架，此框架能夠使得訓練模型的數(shù)據(jù)更具效益。
在GAN設(shè)置中，兩個由神經(jīng)網(wǎng)絡(luò)（生成器和鑒別器）在這個框架中要扮演不同的角色。生成器試圖生成來自某種概率分布的數(shù)據(jù)；鑒別器就像一個法官。它可以決定輸入是來自生成器還是來自真正的訓練集。例如在圖像生成中如果生成器構(gòu)造的圖像不夠好，那么鑒別器就傳達一個負反饋給生成器，于是生成器根據(jù)反饋調(diào)整自身參數(shù)，讓下一次生成的圖片質(zhì)量得以提升，它就是靠這種體內(nèi)自循環(huán)的方式不斷提升自己構(gòu)造圖片的能力。其運行過程類似于武俠小說《射雕英雄傳》中，王重陽的師弟周伯通所使用的“左右互博”之術(shù)。
谷歌這項專利在Reddit 論壇上有人提出憂慮，也有人相當樂觀覺得沒啥大不了的。
哇！多謝Goodfellow，這非常酷，為一個極其寬泛的概念申請專利肯定不會扼殺創(chuàng)新。
有的意味深長的表示，這涵蓋了神經(jīng)網(wǎng)絡(luò)的對抗訓練，即針對魯棒性，而不是一般的GAN。
還有網(wǎng)友質(zhì)疑是否公平！甚至將問題引至了政治！
雷鋒網(wǎng)發(fā)現(xiàn)不過根據(jù)谷歌針對Dropout專利的態(tài)度，短時間內(nèi)應該不會有風險，正如之前Jeff在Google 日本舉行的傳媒會議中回應的那樣，只是為了避免不必要麻煩，保護公司利益而做，并不為借專利技術(shù)賺錢，開發(fā)人員毋須擔心。
但是對于我們中國現(xiàn)狀，自主知識產(chǎn)權(quán)的底層框架和核心算法缺乏，更多依靠開源代碼和算法的情況下。谷歌一系列專利獲批，不僅關(guān)乎科研，還關(guān)乎更致命的自主核心算法和背后的“卡脖子”困境。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
