照 片 里 谁 最 重 要 ？Google 要 让 人 工 智 能 也 能 看 懂

学 会 之 后 ， 帮 人 类 划 重 点 。 一 个 场 景 里 ， 有 的 人 能 够 找 出 眼 前 哪 些 事 情 是 需 要 注 意 的 ， 有 些 人 可 能 就 会 被 不 那 么 重 要 的 事 情 所 分 神 。 而 让 人 工 智 能 识 别 一 张 图 片 里 哪 一 部 分 才 是 传 递 信 息 的 关 键 部 分 ， 当 然 比 人 脑 判 断 更 难 。 一 场 篮 球 比 赛 的 转 播 里 ， 画 面 容 纳 了 几 十 个 人 甚 至 是 上 百 人 ， 让 机 器 来 “ 看 ” 的 话 怎 么 找 到 最 重 要 的 人 ？ 这 周 在 拉 斯 维 加 斯 举 办 的 计 算 机 视 觉 与 认 知 模 式 大 会 （CVPR） 上 ，Google 展 示 了 和 几 所 大 学 合 作 的 研 究 成 果 ： 教 人 工 智 能 判 断 一 个 场 景 中 的 关 键 信 息 。 上 图 列 出 了 一 场 球 赛 中 的 三 种 常 见 场 景 ： 三 分 球 、 篮 板 球 和 投 篮 失 败 。 这 项 研 究 的 目 的 是 在 同 时 有 许 多 人 的 视 频 中 ， 让 计 算 机 识 别 出 最 应 该 注 意 的 球 员 ， 是 Google 和 斯 坦 福 大 学 合 作 的 。 研 究 者 利 用 递 归 神 经 网 络 设 计 了 一 个 计 算 机 视 觉 系 统 ， 给 每 一 帧 画 面 标 注 出 “ 注 意 力 模 型 （attention mask）”， 图 中 红 框 中 的 对 象 都 是 在 场 上 的 球 员 ， 而 关 键 的 那 一 位 则 用 蓝 色 方 框 和 五 角 星 标 注 出 来 ， 以 此 在 动 态 的 视 频 中 跟 踪 关 键 人 物 。 在 经 过 训 练 之 后 ， 这 个 系 统 不 仅 能 够 识 别 出 当 前 画 面 中 最 重 要 的 那 个 人 ， 也 可 以 识 别 出 即 将 成 为 关 键 的 部 分 ， 画 面 与 画 面 之 间 的 动 作 变 化 则 将 前 后 的 关 键 部 分 连 接 起 来 。 而 在 Google 与 爱 丁 堡 大 学 合 作 的 另 一 项 研 究 里 ， 研 究 者 们 则 用 行 走 的 动 物 来 训 练 图 像 识 别 系 统 。 比 如 在 荒 野 中 活 动 的 老 虎 ， 如 果 能 够 识 别 出 画 面 中 是 一 只 老 虎 而 不 是 别 的 什 么 动 物 ， 其 实 只 是 人 工 智 能 的 第 一 步 。 这 一 次 ， 图 像 识 别 系 统 的 任 务 是 学 会 找 出 每 一 帧 画 面 里 ， 老 虎 的 四 条 腿 都 是 怎 么 迈 的 ， 接 下 来 它 要 如 何 迈 步 。 与 以 往 的 研 究 最 大 的 不 同 之 处 在 于 ， 以 往 的 研 究 是 将 画 面 中 活 动 的 物 体 当 做 一 个 整 体 ， 现 在 这 项 研 究 则 将 老 虎 的 四 条 腿 分 别 追 踪 ， 以 此 来 预 测 接 下 来 每 条 腿 的 运 动 轨 迹 。 图 片 来 源 CVPR Google 与 加 州 大 学 洛 杉 矶 分 校 、 牛 津 大 学 以 及 约 翰 霍 普 金 斯 大 学 合 作 的 研 究 则 是 是 训 练 图 像 识 别 系 统 理 解 照 片 中 不 同 部 分 的 互 动 关 系 ， 生 成 更 精 准 的 描 述 ， 或 者 说 ， 是 更 有 意 义 的 描 述 。 这 些 研 究 的 内 容 如 果 让 人 来 做 ， 其 实 都 相 当 自 然 ， 在 看 比 赛 的 时 候 你 会 关 注 球 员 而 不 是 观 众 ， 看 到 两 个 人 对 着 电 脑 你 能 对 他 们 正 在 做 什 么 有 一 个 简 单 判 断 ， 但 这 些 对 机 器 来 说 ， 都 需 要 分 别 从 头 学 起 。 现 在 人 类 帮 助 机 器 学 着 “ 划 重 点 ”， 还 是 希 望 有 朝 一 日 他 们 能 够 学 会 自 己 来 。 题 图 来 自 Siam Mandalay