DeepDream：当神经网络开始做梦，满屏都是狗

怎么做到的

Google 上个月发了篇叫 Inceptionism 的博客，这个月把代码开源了，名字很妙：DeepDream。原理说穿了不复杂——平时训练是固定输入、调整权重；DeepDream 反过来，固定权重、调整输入图像，目标是让网络某一层的激活值最大化。相当于问网络：“你想在这张图里看见什么？那我就把它变得更像。”

结果就是那些刷屏的迷幻图：云朵里浮出狗脸，建筑物长出眼睛，整张图布满漩涡和触手。为什么全是狗？因为 ImageNet 的 1000 个类别里光狗就占了 120 个，这个网络对狗的“执念”是数据集给的。

乐子之下

大家都在拿它做表情包，但我觉得它真正的价值是可解释性：这是第一次，普通人能直观“看见”一个深度网络内部学到了什么——低层看见的是纹理和边缘，高层看见的是眼睛、脸、动物。网络不是一团随机的数字，它内部有结构、有层次、有概念。这件事用论文讲了好几年没人听，一张满是狗的图片一晚上就讲明白了。好的好的可视化本身就是最好的科普。