日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

   來源：中國科技網-科技日報

  [導讀] 美國研究人員正嘗試著給計算機植入人工智能的數字化“種子”——讓計算機系統不斷觀看各種圖畫，并自己決定它看到的內容都是什么意思。

  原標題 讓計算機擁有“常識” ——科學家嘗試為計算機植入人工智能的“種子”。

  研究人員讓“尼爾”學習建立常識，該計算機程序在兩個計算機組群上運行。

本報記者 常麗君 綜合外電

  今日視點

  讓機器以一種“常識”的方式自行思考是計算領域的“圣杯”。美國卡內基•梅隆大學研究人員正嘗試著給計算機植入人工智能的數字化“種子”——讓計算機系統不斷觀看各種圖畫，并自己決定它看到的內容都是什么意思。研究小組將在12月4日澳大利亞悉尼召開的美國電氣與電子工程師協會（IEEE）國際機器人視覺大會報告他們的成果。

  從今年7月開始，在卡內基•梅隆大學，一個名為“尼爾”（NEIL）的計算機程序就在24小時不停地從互聯網上搜尋圖像。其中有幾個關鍵小步驟，就是它要自己決定這些圖像之間的相互關系，盡可能自行理解它們，以此建立起我們所謂的“常識”。

  常識與聯想

  “尼爾”是“無休止圖像學習”（Never Ending Image Learning）的縮寫，其在兩個計算機組群上運行，包括200個處理器核。隨著它的視圖數據越來越多，積累的“常識”也越來越多。常識是人們似乎知道卻不曾明說的信息，比如汽車通常是跑在公路上，建筑物往往是垂直的，鴨子看起來很像鵝等。

  “任何智能都要有常識來幫它作決策。”卡內基•梅隆機器人研究所教授阿比納伍•古普塔說，讓一臺計算機自己聯想，對它來說是完全不同的挑戰。比起編制一臺超級計算機程序來說，圓滿迅速地完成一項任務更難以應付。比如1985年卡內基•梅隆研究人員編制下棋程序讓一臺計算機下棋；12年后，計算機打敗了國際象棋冠軍加里•卡斯帕羅夫。

  麻省理工大學人工智能專家凱瑟琳•哈瓦希說，人類能不斷利用“不言而喻的假定這一巨大庫存”來作決策，而計算機卻不能。對一些人類能迅速作出反應的問題，計算機卻要花更長時間才能算出來。“長頸鹿能坐上你的汽車嗎？我們甚至不用思考就能得出答案。”她說，因為我們對長頸鹿的身體大小有一種常識。

  隨著程序運行，“尼爾”逐漸能給圖像做次級分類，比如三輪車可以分為小孩用、大人用，還能裝上發動機變成三輪摩托；汽車有不同的商標和樣式等。然后它慢慢注意到事物之間的聯系：斑馬往往出現在大草原上，老虎看起來有點像斑馬，股票交易所大樓通常擠滿了人。

  在短短4個月里，“尼爾”的200個處理器核已經分析了3百萬幅圖像，從其中50萬幅中識別出了1500種物體，1200個場景，并把相關的點連接起來做了2500個關系聯想。“尼爾”生成的聯想有些是錯的，比如“犀牛是一種羚羊”，而有些很奇怪，如“演員在監獄牢房里”或“新聞主播看起來像巴拉克•奧巴馬”。

  “我爬，我看，我學習”

  “圖像是學習視覺性質的最佳方法，”阿比納伍•古普塔說，“圖像也包括了與這個世界有關的許多常識信息。人類自己學習了這一點，對于‘尼爾’，我們希望它也能像我們一樣。”

  伊利諾伊大學芝加哥分校計算機科學系主任、人工智能專家羅伯特•斯洛恩說，“尼爾”的方法會產生有趣的結果，因為只用語言去教一臺計算機“會帶來各種問題”，“如果它們對著不管什么地方看到的動物，都不停地說‘斑馬、斑馬、斑馬’，我會對這一幕印象深刻。”

  機器人學博士生阿比納伍•希瑞瓦斯塔伍說，“尼爾”有時也會出錯，所以還需要有人工參與。比如谷歌圖像搜索可能會“誤導”它，讓它以為“pink”（意為粉紅色）是一位歌星的名字，而不是一種顏色。

  “人們不一定總是知道該怎么去教計算機，以及教它們學什么，但發現它什么時候出錯，人們是很擅長的。”希瑞瓦斯塔伍說，人們會告訴“尼爾”，物體、場景等屬于哪一類，以便研究分析。

  有時候，“尼爾”的預測能力也讓研究人員震驚。在搜尋“蘋果”時，不僅給出了水果圖，還有蘋果電腦；搜索F-18時不僅發現了戰斗機，還有F-18級雙體船，這是古普塔和他的陸地小組所不知道的。

  “根據我們50年從事計算機視覺研究的經驗，你掌握的數據越多，計算機視覺就會變得越好，”古普塔說。“尼爾”的座右銘是“我爬、我看、我學習”，研究人員希望讓“尼爾”一直運行下去，這也意味著它可能會一點點地變得越來越聰明；但也可能不會。

  未來角色

  “尼爾”擔負著當前計算機視覺的進步。計算機視覺能讓計算機程序識別和標記出圖像中的物體，找出場景特征，認出圖像屬性，如顏色、明暗、材質等，所有這一切都力求使人類對它的監管達到最小。反過來，它生成的數據也會進一步加強計算機理解視覺世界的能力。

  古普塔對項目的初步進展感到高興，“當我們開始這個項目時，不敢確保它是否可行。這還只是個開始。”今后，“尼爾”還要分析YouTube上的大量視頻，以尋找事物之間的聯系。

  “尼爾”項目的一個目標是，創造世界最大的視圖體系知識庫，在這個庫中，所有的物體、場景、動作、特征以及背景關系都被加上標記并分門別類。目前，ImageNet和Visipedia項目也在人工匯編這些結構數據，但互聯網規模如此巨大，單一個Facebook（臉譜）就有超過2000億幅圖像，要分析它們，唯一的希望是教會計算機來做。

  此外，這一項目由谷歌公司和國防部海軍研究辦公室共同資助。谷歌公司和海軍研究辦公室都沒有回答他們為何要資助“尼爾”，但也有一些線索。“海軍研究”網站上指出，“當前的作戰空間環境比過去要復雜得多，數據到達決策系統的速度正在提高，而能把這些數據轉化為決策方案的人員數量卻正在下降。”也就是說，電腦可能在未來戰爭中作出許多決策，“在許多軍事行動中，根本不需要人類到場。”

  本篇文章來源于: 中國科技網 www.wokeji.com