機器學(xué)習不斷接近人腦水平，AI圖像識別未來(lái)發(fā)展如何？

　　過(guò)去十幾年，人類(lèi)可以說(shuō)是在機器智能面前節節退敗，屢敗屢戰，而多任務(wù)處理(multi-tasking)幾乎是為數不多可以讓人類(lèi)驕傲的事情了。人們可以同時(shí)打開(kāi)8個(gè)網(wǎng)站、數份文檔和一個(gè)交友軟件，即使正在專(zhuān)心處理其中一件事，只要突然收到一條回復或更新提醒，也能夠快速安排。對機器而言，要在同一時(shí)間完成這樣的任務(wù)顯然有點(diǎn)困難，因此，多任務(wù)處理一直被視為人類(lèi)獨有的技能點(diǎn)。

　　然而，這個(gè)優(yōu)勢也將失去了。

　　近幾年，Alphago、視頻識別、指紋解鎖、圖片識別、語(yǔ)音轉文字、機器人看病等一系列事件，使我們深刻的感受到人工智能在改變我們的工作方式和認知。國內人工智能產(chǎn)業(yè)中，就算集視覺(jué)與圖像領(lǐng)域公司的數量已達數百家，僅次于自然語(yǔ)言處理類(lèi)公司，位居第二。其中該領(lǐng)域最為出名的創(chuàng )業(yè)公司包括曠世科技Face++、商湯科技、極鏈科技Video++等。

　　一百多年前，電改變了生產(chǎn)、交通和農業(yè)等產(chǎn)業(yè)，而今天，人工智能也像電一樣將改變傳統產(chǎn)業(yè)。人臉識別和圖片識別是人工智能視覺(jué)與圖像領(lǐng)域中的兩大熱門(mén)應用。但將人工智能技術(shù)單純用于圖片識別分析的應用企業(yè)數量并不如預想的多，可能有以下幾個(gè)方面的原因：目前視頻監控方面的盈利空間大，眾多企業(yè)的注意力都放在了視頻監控領(lǐng)域，人臉識別屬于圖片識別的一個(gè)應用場(chǎng)景，做人臉識別的大多數企業(yè)同時(shí)也在提供圖片識別服務(wù)，但是銷(xiāo)售效果不佳，主要贏(yíng)利點(diǎn)還在于人臉識別等。

　　識別物體是圖片分類(lèi)的另一個(gè)比較常見(jiàn)的應用，例如一個(gè)簡(jiǎn)單的手機識別模型，我們首先要給計算機定義模型，然后準備大量手機的照片去訓練這個(gè)模型，讓計算機能識別出來(lái)，輸一張圖片的時(shí)候能識別出圖片是不是手機。正常情況下計算機模型能識別得比較準確，但是當我們輸入了一些有遮擋、形態(tài)多變或者角度多變、光照不易的圖片時(shí)，之前我們建立的模型就識別不出來(lái)了。這就是計算機視覺(jué)在應用中尋在的難點(diǎn)問(wèn)題。機器學(xué)習的本質(zhì)其實(shí)就是為了找到一個(gè)函數，讓這個(gè)函數在不同領(lǐng)域發(fā)揮不同的作用，像語(yǔ)音識別領(lǐng)域，這個(gè)函數會(huì )把一段語(yǔ)音識別成一段文字。圖像識別的領(lǐng)域，這個(gè)函數會(huì )把一個(gè)圖像映射到一個(gè)分類(lèi)。

　　進(jìn)入21世紀，計算機視覺(jué)與計算機圖形學(xué)的相互影響日益加深，基于圖像的繪制成為研究熱點(diǎn)，高效求解復雜全局優(yōu)化問(wèn)題的算法得到發(fā)展。到現在，通過(guò)技術(shù)迭代更新和機器學(xué)習，物體的識別率也已經(jīng)達到了相當高的水平。像是極鏈科技Video++自主開(kāi)發(fā)的文娛人工智能系統「VideoAI」已實(shí)現場(chǎng)景、物體、人臉、品牌、表情、動(dòng)作、地標、視覺(jué)特征檢索8大維度的數據結構化，同步生成軌跡流數據，通過(guò)復合推薦算法將元素信息升級為情景信息，直接賦能各種商業(yè)化場(chǎng)景。

　　通過(guò)SAS針對企業(yè)人工智能的調研報告可以看出，大部分企業(yè)認為人工智能還處于初期階段，但我們也可以發(fā)現，正在部署的大量應用場(chǎng)景都包含AI板塊。顯而易見(jiàn)我們必須學(xué)習新的技能來(lái)配合AI的發(fā)展，未來(lái)也是屬于意識到這一點(diǎn)并立即發(fā)展的企業(yè)。機器的每一點(diǎn)進(jìn)步都依賴(lài)于不斷模擬和接近人腦的水平，提升AI在場(chǎng)景應用上的工程能力，會(huì )為生活帶來(lái)更多的便利。