來自加州大學洛杉磯分校Samueli工程學院和斯坦福大學的研究人員展示了一種計算機系統(tǒng)，該系統(tǒng)可以基于人類使用的相同視覺學習方法發(fā)現(xiàn)和識別它“看到”的真實世界物體。

該系統(tǒng)是一種稱為“計算機視覺”的技術(shù)的進步，它使計算機能夠讀取和識別視覺圖像。這是邁向一般人工智能系統(tǒng)的重要一步 - 計算機可以獨立學習，直觀，基于推理做出決策，并以更人性化的方式與人類互動。盡管當前的AI計算機視覺系統(tǒng)越來越強大和能力，但它們是特定于任務(wù)的，這意味著它們識別所看到的內(nèi)容的能力受到人類訓練和編程的程度的限制。

即使是今天最好的計算機視覺系統(tǒng)也只能在看到對象的某些部分后無法創(chuàng)建對象的完整圖像 - 并且系統(tǒng)可能會被陌生設(shè)置中的對象查看而被欺騙。工程師的目標是使計算機系統(tǒng)具備這些能力 - 就像人類可以理解他們正在看狗一樣，即使動物躲在椅子后面，只有爪子和尾巴可見。當然，人類也可以很容易地直覺到狗的頭部和身體的其他部位，但這種能力仍然無法避開大多數(shù)人工智能系統(tǒng)。

當前的計算機視覺系統(tǒng)不是為了自己學習而設(shè)計的。他們必須接受有關(guān)學習內(nèi)容的培訓，通常是通過審查成千上萬的圖像，在這些圖像中，他們試圖識別的對象都是為其標記的。

當然，計算機也無法解釋它們確定照片中物體代表什么的基本原理：基于AI的系統(tǒng)不像人類那樣建立內(nèi)部圖片或?qū)W習對象的常識模型。

“ 美國國家科學院院刊”(Proceedings of the National Academy of Sciences)中描述的工程師的新方法展示了解決這些缺點的方法。

該方法由三個主要步驟組成。首先，系統(tǒng)將圖像分成小塊，研究人員將其稱為“小窗口”。其次，計算機學習這些視圖如何組合在一起以形成所討論的對象。最后，它會查看周圍區(qū)域中的其他對象，以及有關(guān)這些對象的信息是否與描述和識別主要對象相關(guān)。

為了幫助新系統(tǒng)“學習”更像人類，工程師決定將其浸入人類生活環(huán)境的互聯(lián)網(wǎng)復制品中。

“幸運的是，互聯(lián)網(wǎng)提供了兩個有助于大腦啟發(fā)的計算機視覺系統(tǒng)以與人類相同的方式學習的東西，”加州大學洛杉磯分校電氣與計算機工程教授和該研究的首席研究員Vwani Roychowdhury說。“一個是豐富的圖像和視頻，描繪了相同類型的物體。第二個是這些物體從許多角度展示 - 模糊，鳥瞰，近距離 - 它們被放置在不同的環(huán)境中。 “

為了開發(fā)框架，研究人員從認知心理學和神經(jīng)科學中汲取了見解。

“從嬰兒開始，我們知道什么是什么，因為我們在許多情況下看到了許多例子，”Roychowdhury說。“這種情境學習是我們大腦的一個關(guān)鍵特征，它有助于我們構(gòu)建強大的對象模型，這些模型是一體化世界觀的一部分，其中所有東西都是功能連接的。”

研究人員用大約9,000張圖像對系統(tǒng)進行了測試，每張圖像都展示了人和其他物體。該平臺能夠在沒有外部指導且沒有標記圖像的情況下建立人體的詳細模型。

工程師們使用摩托車，汽車和飛機的圖像進行了類似的測試。在所有情況下，他們的系統(tǒng)表現(xiàn)得更好，或者至少與通過多年培訓開發(fā)的傳統(tǒng)計算機視覺系統(tǒng)一樣好。