迎接AIGC:掌握隱空間(一)

1   前言

上一期里我們?cè)?jīng)談到AI 有3 種型：識(shí)別型AI、生成型AI、決策型AI。一般而言，2020 年之前，識(shí)別型AI 是主流；而在2020 年之后，生成型AI 和決策型AI 逐漸蔚為主流。尤其是生成型AI 模型，如長(zhǎng)江后浪前浪，蒸蒸日上。

因之，本期就來(lái)談?wù)勆尚虯I( 例如AIGC) 的魅力源頭：隱空間(Latent space)。愈擅長(zhǎng)于操作隱空間向量(Vector)，就愈能生成令人驚訝的創(chuàng)作?，F(xiàn)在，我們就來(lái)認(rèn)識(shí)隱空間，建立扎實(shí)的基礎(chǔ)，以便順暢迎向AIGC新潮流。

2   復(fù)習(xí)AI基礎(chǔ)概念：特征

大家都知道，科學(xué)素養(yǎng)是從“觀察”開(kāi)始。觀察是認(rèn)識(shí)現(xiàn)象( 如事物) 的起點(diǎn)，也是智力活動(dòng)的泉源。觀察的目的主要是為了了解事物外部形態(tài)和特征。包括區(qū)分事物的一般特征(Feature)、發(fā)現(xiàn)事物的內(nèi)在本質(zhì)特征等，并且加以記錄，并對(duì)結(jié)果進(jìn)行描述和對(duì)比分析，以便提出新問(wèn)題，進(jìn)行創(chuàng)造性的活動(dòng)。

簡(jiǎn)而言之，人們對(duì)于周遭的問(wèn)題或事件常可由不同的角度來(lái)觀察或看出不同的特征。所謂特征，就是一件事物或一群事物，其具有與眾不同的特色或表征。例如，人們?cè)诒鎰e其他人的長(zhǎng)相時(shí)，常常會(huì)觀察對(duì)方的臉形、眼神、嘴巴、發(fā)型等特征來(lái)區(qū)分和判斷，只要記住對(duì)方獨(dú)特的長(zhǎng)相特征就可以，不必記憶其他細(xì)節(jié)了。這是人們天賦的觀察和萃取特征的能力。再如，當(dāng)您一大早從家里出門(mén)時(shí)，常常會(huì)先觀察天氣的特征：“烏云密布”，或是“陽(yáng)光普照”。這也是天賦特征萃取能力的表現(xiàn)。

了解了特征的意義之后，就可以近一步觀察到，特征與特征之間的可能存在有相互之間的關(guān)聯(lián)性，這又稱(chēng)為：相關(guān)性(Correlation)。例如，當(dāng)我們觀察到天氣呈現(xiàn)了一個(gè)特征：高空上烏云密布；這時(shí)也常常會(huì)發(fā)現(xiàn)另一個(gè)特征：低空中蜻蜓紛飛。而且可能還會(huì)發(fā)現(xiàn)第3 項(xiàng)特征：快下雨了。

由于您觀察到了這3 項(xiàng)特征：“烏云密布”、“蜻蜓紛飛”和“快下雨了”。您就會(huì)趕緊采取行動(dòng)，例如：趕快去收衣服，以免被淋濕了。所以這3 項(xiàng)特征與您的行動(dòng)之間，也具有緊密的關(guān)聯(lián)性。

3   以人臉特征為例

剛才提到了，人們?cè)诒鎰e其他人的長(zhǎng)相時(shí)，常常會(huì)觀察對(duì)方的臉形、眼神、嘴巴、頭發(fā)的形狀、位置、顏色等特征來(lái)區(qū)分和判斷。其中，最簡(jiǎn)單的就是找出人臉的臉框(Box) 位置，以及其臉部關(guān)鍵點(diǎn)(Landmark) 的位置，例如眼睛，鼻子，嘴巴等位置坐標(biāo)。例如，有一張圖像，里面有兩張人臉( 圖1)。

圖1

請(qǐng)您按下“萃取臉部關(guān)鍵點(diǎn)”按鈕，這Excel 畫(huà)面就會(huì)調(diào)用幕后的Python 程序，來(lái)萃取各關(guān)鍵點(diǎn)的坐標(biāo)(圖2)。

圖2

圖2 里顯示出兩張臉的臉框和關(guān)鍵點(diǎn)特征。其中，男生臉框的左上角坐標(biāo)為(32, 67)，且右下角坐標(biāo)為(78,126)。而女生臉框的左上角坐標(biāo)為(274, 52)，且右下角坐標(biāo)為(320, 112)。接著來(lái)看看女生的臉部各關(guān)鍵點(diǎn)特征。

第1 點(diǎn)：臉部的左邊眼睛坐標(biāo)為(289, 77)。

第2 點(diǎn)：右邊眼睛坐標(biāo)為(311, 76)。

第3 點(diǎn)：鼻子坐標(biāo)為(301, 90)。

第4 點(diǎn)：嘴左角坐標(biāo)為(290, 99)。

第5 點(diǎn)：嘴右角坐標(biāo)為(310, 98)。

4   復(fù)習(xí)：空間映射的概念

在本專(zhuān)欄的前幾期里，已經(jīng)介紹過(guò)空間映射(Space Mapping) 的概念，及其在機(jī)器學(xué)習(xí)的重要功能。請(qǐng)您先復(fù)習(xí)本專(zhuān)欄第3 期的內(nèi)容：《ML( 機(jī)器學(xué)習(xí))：理解空間對(duì)映觀念》。在這里，簡(jiǎn)單復(fù)習(xí)這項(xiàng)AI( 機(jī)器學(xué)習(xí))的核心概念和技術(shù)。

當(dāng)人類(lèi)看到自然空間的實(shí)際事物，收集這些事物的特征，提供給AI。而AI 則透過(guò)這些( 訓(xùn)練) 數(shù)據(jù)來(lái)( 間接) 觀察實(shí)際事物。這些X 數(shù)據(jù)則成為X 空間里的坐標(biāo)，來(lái)觀察自然空間里實(shí)際事物之間的關(guān)聯(lián)性( 圖3)。

圖3

然后，AI 會(huì)很聰明地探索出兩個(gè)空間的對(duì)映關(guān)系(圖4)。

圖4

人們會(huì)在其生活的自然( 實(shí)物) 空間里，對(duì)其所感興趣的各項(xiàng)事物，并收集其特征，就成為各筆原始資料(Raw data)，各對(duì)映到X 空間里的一點(diǎn)。然后再映射( 過(guò)濾) 到Y(jié) 空間；還可再?gòu)腨 空間映射( 過(guò)濾) 到Z 空間。而ML 的魅力就是它很擅長(zhǎng)于探索出對(duì)映的規(guī)律性。在AI 里，通常會(huì)將上述的空間，區(qū)分為兩種：可觀察空間(Observable space) 和隱( 藏) 空間(Latent space)。

5   認(rèn)識(shí)可觀察空間

茲舉一個(gè)最簡(jiǎn)單的范例來(lái)說(shuō)明之。這里有5 只兔和貓，各收集其兩項(xiàng)特征：耳朵長(zhǎng)度與尾巴長(zhǎng)度。于是總共收集了5 筆原始數(shù)據(jù)(Raw data)。現(xiàn)在，就來(lái)把它們各對(duì)映到可觀察空間里的一個(gè)點(diǎn)，而且兩項(xiàng)特征各對(duì)映到一個(gè)維度( 軸)。也就是，每一筆數(shù)據(jù)各對(duì)映到2 維(2-Dimension) 的坐標(biāo)空間里的一個(gè)點(diǎn)( 圖5)。

圖5

由于這個(gè)空間的每個(gè)維度的意義很明確，人人都可以理解。因此，每一個(gè)點(diǎn)所帶的含意，是類(lèi)類(lèi)可以理解的。它是人類(lèi)可以觀察其含意的空間，就稱(chēng)為：可觀察空間。

同樣地，這里有3 張臉( 即3 筆數(shù)據(jù))，含有其臉框和關(guān)鍵點(diǎn)的坐標(biāo)，以及各有14 項(xiàng)特征( 圖6)。

圖6

現(xiàn)在，就來(lái)把這3 張臉( 即3 筆數(shù)據(jù)) 各對(duì)映到可觀察空間里的一個(gè)點(diǎn)，而且14 項(xiàng)特征各對(duì)映到一個(gè)維度( 軸)。也就是， 每一筆數(shù)據(jù)各對(duì)映到14 維(14-Dimension) 的坐標(biāo)空間里的一個(gè)點(diǎn)( 圖7)。

圖7

由于這個(gè)空間的每個(gè)維度的意義很明確，人人都可以理解。因此，每一個(gè)點(diǎn)所帶的含意，是類(lèi)類(lèi)可以理解的。它是人類(lèi)可以觀察其含意的空間，就稱(chēng)為：可觀察空間。

6   結(jié)束語(yǔ)

俗語(yǔ)說(shuō)：從有招到無(wú)招。又說(shuō)：無(wú)招勝有招。這里介紹的“可觀察空間”可以說(shuō)是有招的空間，人類(lèi)可以理解空間各數(shù)據(jù)的含意。那么相對(duì)地，無(wú)招的空間就是“隱空間”，它是AI 創(chuàng)造出來(lái)的數(shù)據(jù)空間，人類(lèi)就無(wú)法理解其數(shù)據(jù)的真實(shí)含意，所以稱(chēng)為：隱空間。

由于篇幅的關(guān)系，我們下一期就從有招到無(wú)招，將詳細(xì)介紹神秘的隱空間，它是千變?nèi)f化AIGC 創(chuàng)作魅力的源頭。

（本文來(lái)源于《電子產(chǎn)品世界》雜志2023年1月期）