延伸閱讀(3)─我與Google-人工智慧辨識系統deepdream的對話
延伸閱讀(3)─我與Google-人工智慧辨識系統deepdream的對話
我的創作之一：Kiosk經過Google deepdream的濾鏡詮釋後作品
(以下這段為影片訪問的意譯，若有錯誤，還請指正，謝謝！）
deep learning是訓練電腦直覺的反應，而不先預設立場的電腦訓練。我使用的模擬環境是模擬人類神經系統如何辨認顏色深淺的邏輯。而人類的神經元的自我學習邏輯，就是非常合適電腦可以自我學習可模仿的環境。
但以前的電腦不夠快，所以研究的進展非常的緩慢，直到最近由於網路的發展神速及電腦硬體的功能強大，使得模擬神經元的自我學習變得可行。而神經系統的學習系統與以前的電腦學習系統最大的不同，就是減少程式設計師先設定許多目標，然後要電腦根據目標去運算而達到成果。
由於電腦神經化的系統的演進，運算的方式不同，神經化的電腦以思考的方式去詮釋圖像或目標，舉例如翻譯。而這種模式演進化的翻譯，在五年後就會有變得可行，而Google已經利用這類研究成果在語音翻譯的辨識上。這套自我學習的神經化電腦系統，也成功的用在Merck藥廠的新藥開發上，而電腦學習神經化的下一個目標是要學習如何思考的讀一份報告。
Google的deep learning系統，將來能夠找出報告的內涵，但是瞭解報告的真正意義，則是Google deep learning系統還是無法達成的目標。 其實我研究的方向，就是模擬人類腦袋如何思考。最後，電腦語音合成的人工智慧發聲，回答人工智慧學習的目標與方式，也談及人工智慧對於人類的影響，不管是正面還是負面的，作為結尾。
Artificial Neural Networks（ANNs），人工智慧辨識網路神經化系統，最近非常的火紅，尤其在圖像及聲音辨識上有極大的進展。 雖然這些非常有用的工具是根據有用的數學運算出來的結果，我們對於那些有些組合有效，瞭解的非常少。
所以，Google的研究團隊就用最簡單的方式，訓練人工智慧辨識網路神經化系統，以成千上萬的圖案丟進電腦中讓其運算，根據結果而微調參數，好讓結果出來符合我們人類的預期。
ANN網路系統最常見的設定是10-30重疊的人工神經元，每一張圖像的解析運算都是先從進入層開始，然後到第二層，依此類推，一直到運算結束，運算的結果就是依據被送出的結束運算層。
上個月，Google開放了能夠辨識及歸類影像的ANN系統。這個系統的作用原理是尋找在圖像中類似的形狀組合，加以歸類，重組自我影像。而這項系統在Google已經早運用的人臉及動物的辨識上。
然而，一個由Zain Shah所建立出的人工智慧網路夢境平台，能夠解析圖像使用這些新開發出來的程式。
結果？令人十分詭異及睜大眼睛得影像從原本的世界名畫中釋放及呈現出來，而這套程式現在已經開放出來，而這替開發系統目前架設在Google/deepdream的GiHub電腦網路伺服器上。
而有興趣的專家組成社群，也已開始研究，交換意見，如何解析這些圖像所代表的含意以及技術上可能碰到的問題，如程式碼編譯問題等。
有興趣的讀者，可以上傳圖像看跑出來的結果。
下面為按裝的簡單步驟說明：
Installation-Guide
for Mac:
With docker(easy): https://gist.github.com/robertsdionne/c8b89442659eed5c9a13 or https://gist.github.com/robertsdionne/f58a5fc6e5d1d5d2f798 Installation-Guide
forWindows: https://www.reddit.com/r/deepdream/comments/3c2s0v/newbie_guide_for_windows/
網站
http://googleresearch.blogspot.ch/2015/06/inceptionism-going-deeper-into-neural.html
如何在微軟作業系統上，建置一套模擬的Linux作業系統，以至建立一套人工智慧程式運算及開發環境（若你懂程式語言的話，可以自行修改Google deepdream所開放的程式碼）。
步驟如下：
1. Vagrant:這套工具能夠標準化AI的開發環境。
2. Virtualbox:這套工具能夠讓不同的工作系統在微軟視窗作業系統下模擬執行。
3. OpenSSH: 早期的電腦指令執行系統，都是指令式的簡單人工介面作業系統，這套系統就是模擬能在Linux作業系統下下達指令的指令人工介面。
以上安裝完全後（包括參數的設定），就建立好了能夠在微軟視窗下模擬執行人工智慧繪圖程式的開發環境。
接者，要安裝最重要的開發程式：DreamDeep
code: https://github.com/graphific/DeepDrea...
若嫌上述步驟太麻煩，尤其對於非電腦科班出身者。
另有一簡便方法，就是有人已經開發出這樣的濾鏡組合（使用DreamDeep的基本架構程式運算結構，修改參數，而發展出的一套套不同的運算模式，一般稱為濾鏡），並將成果放在網路上。
有意者只要上傳要圖片檔，經過這些濾鏡的運算，就能直接產生類似Google人工智慧根據以前辨識的累積經驗，加以辨別、判讀出來的結果，也就是俗稱的夢境的效果！
有興趣的玩家，盛至可以重複使用濾鏡以達到不同的效果。 這個網站叫：https://dreamscopeapp.com/
下面的這段影片是以軟體程式開發的角度，解釋deepdream，不同層級所解析出來的圖像所代表的含意，也非常的有意思！
Investigation of the various layer outputs of the GoogLeNet Convolutional neural net trained on MIT Places dataset ( http://places.csail.mit.edu/downloadC...).
code: https://github.com/graphific/DeepDrea...
#deepdream quick presentation
下面的這段影片，也是經過Google Deepdream的濾鏡，呈現出類似嗑藥的幻覺效果。
Deep Dreaming Fear & Loathing in Las Vegas: the Great San Francisco Acid Wave
電腦人工智慧辨識系統，不光是Google有，想要電腦人工辨識出來的圖案，不在是貓狗的詭異。另外一套人工智慧辨識系統為MIT，使用CNN的網路，不僅能解析圖像也同步解析音樂，非常的特別。
No more Dogs! Deep Dreaming on MIT Places CNN
PS.參考資料：http://www.teepr.com/254458/killianhuang/%E9%9B%BB%E8%85%A6%E4%B9%9F%E6%9C%83%E5%81%9A%E5%A4%A2%EF%BC%9Fgoogle%E7%99%BC%E4%BD%88%E4%B8%80%E5%BC%B5%E9%9B%BB%E8%85%A6%E5%A4%A2%E5%87%BA%E7%9A%84%E5%A4%A2%E5%B9%BB%E7%95%AB%E9%9D%A2%EF%BC%8C/
https://zh.wikipedia.org/wiki/%E7%9A%AE%E7%89%B9%C2%B7%E8%92%99%E5%BE%B7%E9%87%8C%E5%AE%89
https://zh.wikipedia.org/wiki/%E5%AA%9A%E4%BF%97
https://zh.wikipedia.org/wiki/%E8%80%B6%E7%BD%97%E5%B0%BC%E7%B1%B3%E6%96%AF%C2%B7%E5%8D%9A%E6%96%AF