10月29日上午消息，2017未來科學(xué)大獎(jiǎng)?lì)C獎(jiǎng)典禮暨未來論壇年會在京舉辦。在計(jì)算機(jī)科學(xué)人工智能研討會上，斯坦福大學(xué)終身教授、谷歌云首席科學(xué)家李飛飛稱，通過圖像識別技術(shù)將圖像“變”短句，這與認(rèn)知心理學(xué)實(shí)驗(yàn)結(jié)果“非常接近”。

斯坦福大學(xué)終身教授、谷歌云首席科學(xué)家李飛飛

李飛飛認(rèn)為，視覺是人類發(fā)展的重要基石，在過去的幾億年中，不同生物的視覺系統(tǒng)不斷發(fā)展，至今已成為人類大腦中最復(fù)雜的系統(tǒng)。在計(jì)算機(jī)識別領(lǐng)域，視覺系統(tǒng)同樣是重要研究，各國專家在視覺識別方面發(fā)明了眾多技術(shù)，近8年時(shí)間，視覺識別的錯(cuò)誤率已降低了10倍。

“在2012年，我們了解到了GPU技術(shù)以及深度識別技術(shù)，幫助世界發(fā)展”，李飛飛說，人工智能的發(fā)展對視覺研究作用明顯。近期，專家們開始預(yù)測，根據(jù)視覺化語言模式，了解不同體積下的關(guān)系，甚至去了解不同物體間的位置和動(dòng)作關(guān)系，“這是量化研究，用更豐富的方法來了解世界”。

圖像識別是如何了解物體的呢？

李飛飛舉例稱，一張照片，通過視覺識別技術(shù)，后臺可以分析出眾多標(biāo)簽，通過不同標(biāo)簽、不同屬性、不同關(guān)系來描述物體，而數(shù)據(jù)庫和信息集，可以做到更精準(zhǔn)的研究。

“大家都用過百度和谷歌搜索圖片”，李飛飛說，當(dāng)你輸入一個(gè)男人時(shí)，圖片搜索結(jié)果很豐富，當(dāng)搜索一只狗時(shí)，同樣會獲得豐富結(jié)果，但當(dāng)你輸入“一個(gè)坐著的男人牽著一只狗”時(shí)，結(jié)果卻大相徑庭，甚至很不理想。

李飛飛認(rèn)為，這主要取決于算法差異。目前絕大多數(shù)算法，在搜索圖像時(shí)還是使用物體本身信息，只是簡單了解圖中有何物體。若加入更多屬性，那么結(jié)果會更好，“我們在探索新方法，比如一個(gè)長句，放到數(shù)據(jù)庫中，與圖像進(jìn)行對比，通過這種算法可以得到更好更精準(zhǔn)的結(jié)果”。

目前，圖像識別領(lǐng)域的成果是通過場景圖，可以提供4層的分析結(jié)果，從而獲得更多信息，“但這些是不夠的，到目前我們只探索了認(rèn)知心理學(xué)家討論的概念”，李飛飛說道。

她以一名美食家的視頻舉例。視頻中，美食家在做飯時(shí)，放入了不同調(diào)料，通過圖像識別技術(shù)，這些圖像下方就出現(xiàn)了描述短語。

李飛飛表示，目前可以將圖像變成短句，從而出現(xiàn)更多內(nèi)容，“這與認(rèn)知心理學(xué)的實(shí)驗(yàn)結(jié)果是非常接近的”。