<source id="aml1m"><track id="aml1m"><ins id="aml1m"></ins></track></source>

<u id="aml1m"><p id="aml1m"></p></u>

  • <source id="aml1m"><menu id="aml1m"><ins id="aml1m"></ins></menu></source>
  • <source id="aml1m"><track id="aml1m"></track></source><video id="aml1m"></video>
      <source id="aml1m"><track id="aml1m"></track></source>

      <source id="aml1m"><track id="aml1m"></track></source>
      <b id="aml1m"></b>

      行業新聞

      您當前的位置:主頁 > 新聞中心 > 行業新聞 >

      讓計算機擁有“常識”

      來源:未知 編輯:濰坊企田 時間:2014-05-20 10:39

         

       
      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。”

      上一篇:沒有了

      下一篇:不能只看跑分移動設備能效比才是王道

      ?
      客服
      • 售前
      • 售后
      • 售前
      精品一区二区久久久久久无码_青青国产一级无码精品_97色色亚洲色图_久久天天操夜夜操狠狠操

      <source id="aml1m"><track id="aml1m"><ins id="aml1m"></ins></track></source>

      <u id="aml1m"><p id="aml1m"></p></u>

    1. <source id="aml1m"><menu id="aml1m"><ins id="aml1m"></ins></menu></source>
    2. <source id="aml1m"><track id="aml1m"></track></source><video id="aml1m"></video>
        <source id="aml1m"><track id="aml1m"></track></source>

        <source id="aml1m"><track id="aml1m"></track></source>
        <b id="aml1m"></b>