人們皆喜好“看圖說話”，而人工智能（AI）的研討者們期望將來較量爭論性能像人類一樣辨認圖片，明白圖片背后的故事。但這一行業的頂尖研討者卻以為，要到達這個條理，人工智能研討的使命其實不輕松。
微軟環球施行副總裁沈向洋1月17日正在“將來論壇”上談及人工智能入網算機視覺的最新研究進展時暗示，正在圖象處置的題目中，對圖象的明白是一個前沿性的題目，也許也有“漫冗長路要走”。
沈向洋稱，人工智能已成長了50余年工夫，真正要把人工智能做得像人類智能一樣的水平，首先要感知，然后是認知。人工智能不僅是計算機科學，它是一門交叉學科，包含了心理學、社會學、哲學、腦科學等等。
對圖象的辨認則是人工智能發展中的一個主要分支，重量級的互聯網公司都在該范疇發力。
以Google推出的GooglePhotos的為例，GooglePhotos不僅是相冊，還具有了智能的圖片辨認技能：它能夠將相冊中同一個人物的照片整合在一起，比方回憶一個寶寶從小到大的生長軌跡。其“練習”歷程是：AI具有30層神經網絡，每一層對應著差別的籠統水平，比方最低條理能辨認光芒、顏色，下一條理能辨認圖片的邊沿等等。如許一層層的“練習”需求大批的數據。每一層都能提掏出更高條理的細節，而最終一層會決議AI對圖片的明白。
客歲歲尾，微軟亞洲研究院視覺盤算組正在一項競賽中，對深層神經網絡技術又進行了打破：現階段遍及利用的神經網絡層級可以到達20到30層，此次競賽中該團隊運用的神經網絡系統實現了152層。
據悉，微軟的談天機械人小冰曾經整合了微軟正在圖象辨認上的手藝，沒有僅能辨認圖象范例和要素，還能開展人性化的描寫。
不外，人工智能在對圖象舉行處置時，雖然現在的辨認技能曾經很是先進了，但并不是每一次都很靈光。一些實驗就標明，研究員給出的類似、鄰近或是較龐雜的圖象，通常可以騙過計算機，使其得出毛病或是不那么正確的結論。
關于這一些題目，沈向洋說到，圖象識別能夠分為三個題目：一是對圖象的分類，二是對圖象中的要素的發覺，三是像素級另外辨別。今朝對這三個題目研討的進度都很疾速，但應該再向前一步對圖象了解舉行深入研討。
“好比Howold，MicrosoftSelfie這一些軟件，對圖象的了解究竟能保證什么境界？一張照片來了以后，能不能表明這張照片究竟是什么，能不能發掘背后的故事。怎樣讓這個進程變得愈加風趣。”沈向洋說道。
微軟把這一些功效集成正在小冰談天機器人身上。沈向洋正在論壇現場展現的一張圖片顯現，一張照片中有巨細兩只貓，假如僅僅是按計算機視覺來干，會得出“這張圖里有兩只貓”的結論，而小冰卻可以說出“看這貓的眼神兒太鋒利了”，進而讓談天歷程變得更風趣。沈以為，這類人性化的描寫經過計算機辨認沒法到達，只有經過人類交互能力到達。
這類更加龐雜的交互方法是AI進步的一個主要標的目的。“人工智能是近年來最火的研討范疇，可是當我們真正走向人工智能的時辰，算是正在機械視覺的那樣一個分支上，皆也有漫冗長路要走。”沈向洋說道。