九九热视频精品在线_国产成人mv视频在线观看_国产精品三级一区二区_亚洲精品国产av成拍色拍婷婷_久久伊人一区二区_国产高清精品网站_九九99热久久精品离线6_国产在线一卡2卡三卡4卡免费_日韩美女乱淫aaa高清视频_亚洲大胆_啪啪一级视频_午夜av免费观看_国产高清精品福利私拍国产写真_亚洲婷婷五月综合狠狠_日韩欧美一区二区三区视频_岛国av免费看_精品国产乱码久久久久久久软件_亚洲国产成人精品无码区99_www日本色_免费黄色看片

自人工智能誕生之初，科學(xué)家就一直夢想著創(chuàng)造出能“看到”世界的計算機(jī)。視覺在我們每天做的事情中扮演著關(guān)鍵的角色，破解計算機(jī)視覺的密碼似乎是發(fā)展人工通用智能的主要步驟之一。

但就像人工智能的許多其他目標(biāo)一樣，事實證明，計算機(jī)視覺說起來容易做起來難。1966年，麻省理工學(xué)院的科學(xué)家啟動了“夏季視覺項目”，這是一個為期兩個月的項目，旨在創(chuàng)建一個能夠識別圖像中物體和背景區(qū)域的計算機(jī)系統(tǒng)。但實現(xiàn)這些目標(biāo)所花的時間遠(yuǎn)不止一個暑假。事實上，直到2010年代早期，圖像分類器和目標(biāo)探測器才足夠靈活和可靠，可以在主流應(yīng)用中使用。在過去的幾十年里，機(jī)器學(xué)習(xí)和神經(jīng)科學(xué)的進(jìn)步幫助計算機(jī)視覺取得了巨大的進(jìn)步。但是，要建立一個像我們一樣觀察世界的人工智能系統(tǒng)，我們還有很長的路要走。

哈佛大學(xué)醫(yī)學(xué)院教授加Gabriel Kreiman所著的《生物與計算機(jī)視覺》一書對人類和動物如何處理視覺數(shù)據(jù)以及我們在計算機(jī)復(fù)制這些功能方面取得的進(jìn)展進(jìn)行了詳盡的描述。它有助于理解生物視覺和計算機(jī)視覺之間的區(qū)別，并詳細(xì)描述了數(shù)十億年的進(jìn)化是如何讓我們擁有一個復(fù)雜的視覺處理系統(tǒng)，以及對它的研究如何幫助激發(fā)出更好的計算機(jī)視覺算法。

1、硬件差異

生物視覺是數(shù)百萬年進(jìn)化的產(chǎn)物，我們可以從生物學(xué)中學(xué)習(xí)如何解決視覺問題，并將這些解決方案作為靈感來構(gòu)建更好的算法。

的確，對視覺皮層的研究是計算機(jī)視覺和人工智能的一大靈感來源。但在將視覺進(jìn)行數(shù)字化之前，科學(xué)家必須克服生物視覺和計算機(jī)視覺之間巨大的硬件差距。生物視覺在皮層細(xì)胞和有機(jī)神經(jīng)元的相互連接的網(wǎng)絡(luò)上運行。而計算機(jī)視覺是在晶體管組成的電子芯片上運行的。

神經(jīng)科學(xué)和醫(yī)學(xué)技術(shù)的進(jìn)步使得以毫秒為粒度研究單個神經(jīng)元的活動成為可能。這些研究的結(jié)果幫助開發(fā)了不同類型的人工神經(jīng)網(wǎng)絡(luò)，這種人工智能算法可以大概模擬哺乳動物大腦皮層區(qū)域的工作方式。近年來，神經(jīng)網(wǎng)絡(luò)已被證明是視覺數(shù)據(jù)模式識別中最有效的算法，并已成為許多計算機(jī)視覺應(yīng)用的關(guān)鍵組成部分。

2、體系結(jié)構(gòu)的差異

近幾十年來，深度學(xué)習(xí)領(lǐng)域出現(xiàn)了一系列創(chuàng)新工作，幫助計算機(jī)模擬生物視覺的某些功能。卷積層的靈感來自于對動物視覺皮層的研究，卷積層在尋找視覺數(shù)據(jù)中的模式方面非常有效。池化層有助于泛化卷積層的輸出，使其對視覺模式的位移不那么敏感。疊在一起，卷積和池化層塊可以從尋找小圖案(角、邊等)一直到復(fù)雜物體(臉、椅子、汽車等)。

在生物學(xué)中，大腦中的信息會向多個方向移動：光信號從視網(wǎng)膜到顳下葉皮質(zhì)，再到視覺皮層的V1、V2和其他層。但每一層也會向其前序階段提供反饋。在每一層中，神經(jīng)元相互作用并傳遞信息。所有這些互動和相互聯(lián)系幫助大腦填補(bǔ)視覺輸入的空白，并在信息不完整時做出推論。

相比之下，在人工神經(jīng)網(wǎng)絡(luò)中，數(shù)據(jù)通常朝著單一方向移動。卷積神經(jīng)網(wǎng)絡(luò)是“前饋網(wǎng)絡(luò)”，意思是信息只從輸入層傳遞到更高的層和輸出層。有一種反饋機(jī)制叫做“反向傳播”，可以幫助糾正錯誤并調(diào)整神經(jīng)網(wǎng)絡(luò)的參數(shù)。但是反向傳播在計算上很昂貴，而且只用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。目前還不清楚反向傳播是否直接對應(yīng)于皮層的反饋機(jī)制。另一方面，將高層的輸出與前一層的輸入相結(jié)合的循環(huán)神經(jīng)網(wǎng)絡(luò)在計算機(jī)視覺中的應(yīng)用還很有限。

3、目標(biāo)的差異

通過演進(jìn)，已經(jīng)發(fā)展出一種能夠完成許多任務(wù)的神經(jīng)結(jié)構(gòu)。研究表明，我們的視覺系統(tǒng)可以動態(tài)地調(diào)整它對我們想要完成的目標(biāo)的敏感度。然而，創(chuàng)建具有這種靈活性的計算機(jī)視覺系統(tǒng)仍然是一個重大挑戰(zhàn)。

目前的計算機(jī)視覺系統(tǒng)是為完成一項任務(wù)而設(shè)計的。我們有神經(jīng)網(wǎng)絡(luò)可以分類物體，定位物體，將圖像分割成不同的物體，描述圖像，生成圖像，等等。

但核心問題是理解“視覺慣例”——我們怎樣才能以任務(wù)相關(guān)的方式靈活地傳遞視覺信息呢？從本質(zhì)上說，你可以在一張圖像上回答無數(shù)個問題，不只是標(biāo)記對象，還可以計算對象，可以描述它們的顏色，它們的相互作用、大小等等。我們可以建立不同網(wǎng)絡(luò)來做這些事情，但我們沒有網(wǎng)絡(luò)可以同時做所有這些事情。雖然通過問答系統(tǒng)可以找到一些有趣的方法，但與人類的表現(xiàn)相比這些算法但仍然相當(dāng)原始。

4、集成的差異

在人類和動物中，視覺與嗅覺、觸覺和聽覺密切相關(guān)。視覺、聽覺、軀體感覺和嗅覺皮質(zhì)相互作用，從對方那里獲取線索，以調(diào)整他們對世界的推斷。而在AI系統(tǒng)中，這些內(nèi)容都是獨立存在的。

我們需要這種整合來制造更好的計算機(jī)視覺系統(tǒng)嗎？作者說：“作為科學(xué)家，我們經(jīng)常喜歡把問題分開來解決，我個人認(rèn)為這是一個合理的開始方式。沒有嗅覺和聽覺，我們也能看得很清楚。例如卓別林的默片電影。如果一個人天生耳聾，他們?nèi)匀豢梢钥吹煤芮宄ｋm然有很多有趣的跨模式相互作用的例子，但我認(rèn)為，通過這種簡化，我們將取得很大進(jìn)展。”

然而，更復(fù)雜的問題是視覺與大腦中更復(fù)雜的區(qū)域的整合。人類的視覺與其他大腦功能如邏輯、推理、語言和常識深度融合。一些視覺問題可能花費更多的時間，需要將視覺輸入與現(xiàn)有的世界知識相結(jié)合。語言和常識等領(lǐng)域本身就是人工智能的巨大挑戰(zhàn)。但是，這些問題是可以單獨解決，還是整合本身就是解決所有問題的關(guān)鍵，仍有待觀察。

總結(jié)

在某種程度上，我們需要研究認(rèn)知的所有其他方面，很難想象在沒有語言和邏輯的情況下如何整合認(rèn)知。希望在未來的幾年里，將更多的語言和邏輯整合到視覺模型中；反之，也可以將視覺整合到語言模型中，這將是令人興奮的重大努力。

聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載請注明出處，請勿轉(zhuǎn)載至外網(wǎng)或用于商業(yè)用途。