※ 引述《gundamx7812 (亚洲空干王)》之铭言:
: 就是在作品图中加入人类肉眼难以辨识的噪声
: https://i.imgur.com/PBBbNRA.jpg
: https://twitter.com/Akihitweet/status/1577827240330809344?t=FOSz6UZh2oyMsStXJ8LE
: Zg&s=19
: 不过回复里也有人说有技术可以克服噪声问题就是了
: 延伸阅读:如何欺骗AI
: https://youtu.be/YXy6oX1iNoA
先讲结论 这没屁用==
这根本就像是拿FGO的职阶去谈碧蓝档案的相克
题目内容完全不同是在比啥
首先先贴李宏毅教授的影片
https://www.youtube.com/watch?v=xGQKhbjrFRk
https://www.youtube.com/watch?v=z-Q9ia5H2Ig
我真的觉得李弘毅教授的影片真的该列为必修
不然有些真的云得太夸张
一般噪声攻击是加在""""Input"""去干扰一个已经训练好的Model的Inference
结果这篇加在Training Data上 那是在搞笑吗
https://youtu.be/WeHM2xpYQpw?t=1044
时间帮忙标好了
一般常见的解OverFitting的方法就是在Training Data上面加上Augmentation
常用Augment方法可以自己上网查一下就不赘述
而Adversarial Attack最简单的对抗方式
就是在Training Data上面加上噪声Augment来抵抗这种攻击
所以说在Training Data上面加上噪声根本不是攻击他
而是帮他强化Model稳定性来对抗这种攻击
另外推文说加个Filter就可以搞定的
实际上这种根本不需要加Filter 甚至有些时候还会在Train的时候自己加入噪声
或者改变色阶呢... 这只是帮他丰富资料而已
我直接讲个真的对AI比较实际有伤的啦
我先假设Danbooru这种的Tagging是靠爬虫爬来的
看那数量感觉不是真的人手动标得
所以你要攻击他最简单的方法就是画个金发角色然后标褐发
画个精灵然后标矮人
画个中冈标山田
搞乱Tagging对他伤害才真的大
这样在Trainging时 同一张金发的图片可能Tag会是金发或者褐发
那他就很难学说哪个才是真正的金发
结论 : 污染Tag比污染图片实际多了
AI工程师大概有超过一半的时间是在和Data Cleaning奋斗...
作者:
medama ( )
2022-10-07 20:18:00李宏毅几班?大金
作者:
ayuhb (ayuhb)
2022-10-07 20:18:00污染tag某族群很擅长
作者:
andy0481 (想吃比叡的咖哩)
2022-10-07 20:18:00没错 发一堆甲图打上大奶tag 直接废掉你这个AI
作者:
waitan (微糖儿>////<)
2022-10-07 20:19:00李弘毅几班?
作者:
CorkiN (柯基)
2022-10-07 20:21:00李宏毅的课真的该列为必修 不然一堆人都对现在在讲的AI有过度的幻想==
作者:
qxpbyd (qxpbyd)
2022-10-07 20:22:00可是都练好了 现在去弄tag也来不及了吧 更何况那边应该不少人在维护
作者:
qxpbyd (qxpbyd)
2022-10-07 20:23:00Danbooru我不知道 不过我知道另一个Tag网站 管理员会管的你大量乱搞被发现直接BAN IP
作者: jqp050502 (YaYa) 2022-10-07 20:42:00
推李弘毅老师的课,可以学到很多
作者:
nalthax (书虫一枚)
2022-10-07 21:37:00这招人类在资讯政战里用很久啦
作者: lucky0417 (L.W) 2022-10-07 22:08:00
打上小美人鱼的tag里面画的是黑人鲶鱼算不算一种污染tag
作者:
iamnotgm (ä¼½è—之黑)
2022-10-07 22:30:00推
作者: longlongint (华哥尔) 2022-10-08 00:59:00
李宏毅…. ㄐ 没事觉得简单版的AI/大数据要做成通识课比较好QQ不然看一堆路人留言我头超痛
作者:
shuncheng (shuncheng)
2022-10-08 02:20:00A恭喜 楼上你头就继续痛 就算做成通识一样不会改善现况