Facebook和Google正在创建巨大的神经网络——人造大脑，它能识别数码相片里面的人脸、汽车、建筑物和其他对象，但它并不是只能做这些事。它还能识别口语，将一种语言翻译成另一种语言，识别广告以及教机器人拧螺丝。如果你把这些大脑过来，你不仅可以教它们识别图像，你还可以用有趣的方式教它们创建图像。
Facebook在本周五透露，他们正在教这些神经网络自动创建一些小图像，例如飞机、汽车和动物，这些图像极具性，人们看了之后，会觉得这是真实的。“模型可以识别一些不自然的图像，比如电视上的白色噪点，或一些抽象的艺术图像，或是你相机上的图像”，Facebook人工智能研究员RobFergus说道，“它可以理解图像是如何构成的。”
同时，Google的科学家则另外一个极端，他们利用神经网络将真实的相片转变成有趣的虚幻相片。“这将会形成一个反馈循环：如果一朵云看起来就像一只小鸟，那么这个网络就会让它看起来更像一只鸟”，Google在一个博客中阐述了这个项目。
从某种程度上，这些其实都是一些小把戏，特别是Google的反馈循环，它只是引起人们的。还有Facebook的假图片，其实只有64x64像素。但从另一个层面上，这些项目也是一种改善神经网络的方法。计算机视觉公司Dextro的CEODavidLuan说，“这个项目能让我们更好地了解我们的网络实际上是怎么学习的。”
Fergus和另外两位Facebook研究员透露了他们的“图像生成模式”，这个系统用了两个神经网络，一个用来识别自然图像，而另一个用来“”对方，前者得不断地检测是否被后者，它们互相反馈，最终能产生一个相当现实的图像。
根据Fergus介绍，这个项目可以用来修复一些老化的真实照片，另外，该项目让所谓的“无监督机器学习”向前迈进了一步，换句话说，即使没有研究人员提供明确的指导，它也可以帮助机器学习。
“不过当前系统依然需要一些监督”，Luan说道，但他相信Facebook的论文“neatwork”以及Google研究人员正在做的工作，可以帮助我们了解神经网络的行为。
神经网络由很多层人工神经元组成，它们互相协作，虽然这些神经元能非常顺利地执行某些任务，但是我们不明白其中的工作原理。“神经网络的挑战之一，是精确地了解每一层是如何运作的”，Google在其博客中说道，但该公司没有进一步讨论其图像生成工作的原理。
Google解释道，把神经网络过来，然后使它们生成图像，这样就可以更好地理解它们的运作方式了。Google要求其网络放大它在图像中的一些发现，有时只是放大一个图形的边缘，有时候放大一些更复杂的东西，例如一座塔在地平面的轮廓，一棵树的枝干。在每种情况下，研究人员都能很好地了解这个网络所看到的东西。这项技术能帮助研究人员了解神经网络如何执行不同难度的任务，有助于提高网络体系结构，并检查网络在训练中所学到的东西。