微软沈向洋：要让“机器人”能讲出图像背后的故事

　　人们皆喜好“看图说话”，而人工智能（AI）的研讨者们期望将来较量争论性能像人类一样辨认图片，明白图片背后的故事。但这一行业的顶尖研讨者却以为，要到达这个条理，人工智能研讨的使命其实不轻松。

　　微软环球施行副总裁沈向洋1月17日正在“将来论坛”上谈及人工智能入网算机视觉的最新研究进展时暗示，正在图象处置的题目中，对图象的明白是一个前沿性的题目，也许也有“漫冗长路要走”。

　　沈向洋称，人工智能已成长了50余年工夫，真正要把人工智能做得像人类智能一样的水平，首先要感知，然后是认知。人工智能不仅是计算机科学，它是一门交叉学科，包含了心理学、社会学、哲学、脑科学等等。

　　对图象的辨认则是人工智能发展中的一个主要分支，重量级的互联网公司都在该范畴发力。

　　以Google推出的GooglePhotos的为例，GooglePhotos不仅是相册，还具有了智能的图片辨认技能：它能够将相册中同一个人物的照片整合在一起，比方回忆一个宝宝从小到大的生长轨迹。其“练习”历程是：AI具有30层神经网络，每一层对应着差别的笼统水平，比方最低条理能辨认光芒、颜色，下一条理能辨认图片的边沿等等。如许一层层的“练习”需求大批的数据。每一层都能提掏出更高条理的细节，而最终一层会决议AI对图片的明白。

　　客岁岁尾，微软亚洲研究院视觉盘算组正在一项竞赛中，对深层神经网络技术又进行了打破：现阶段遍及利用的神经网络层级可以到达20到30层，此次竞赛中该团队运用的神经网络系统实现了152层。

　　据悉，微软的谈天机械人小冰曾经整合了微软正在图象辨认上的手艺，没有仅能辨认图象范例和要素，还能开展人性化的描写。

　　不外，人工智能在对图象举行处置时，虽然现在的辨认技能曾经很是先进了，但并不是每一次都很灵光。一些实验就标明，研究员给出的类似、邻近或是较庞杂的图象，通常可以骗过计算机，使其得出毛病或是不那么正确的结论。

　　关于这一些题目，沈向洋说到，图象识别能够分为三个题目：一是对图象的分类，二是对图象中的要素的发觉，三是像素级另外辨别。今朝对这三个题目研讨的进度都很疾速，但应该再向前一步对图象了解举行深入研讨。

　　“好比Howold，MicrosoftSelfie这一些软件，对图象的了解究竟能保证什么境界？一张照片来了以后，能不能表明这张照片究竟是什么，能不能发掘背后的故事。怎样让这个进程变得愈加风趣。”沈向洋说道。

　　微软把这一些功效集成正在小冰谈天机器人身上。沈向洋正在论坛现场展现的一张图片显现，一张照片中有巨细两只猫，假如仅仅是按计算机视觉来干，会得出“这张图里有两只猫”的结论，而小冰却可以说出“看这猫的眼神儿太锋利了”，进而让谈天历程变得更风趣。沈以为，这类人性化的描写经过计算机辨认没法到达，只有经过人类交互能力到达。

　　这类更加庞杂的交互方法是AI进步的一个主要标的目的。“人工智能是近年来最火的研讨范畴，可是当我们真正走向人工智能的时辰，算是正在机械视觉的那样一个分支上，皆也有漫冗长路要走。”沈向洋说道。