當(dāng)計(jì)算機(jī)睜開眼睛

伊珊

計(jì)算機(jī)視覺是一門研究計(jì)算機(jī)如何去“看”的技術(shù)，是通過算法對(duì)圖像進(jìn)行識(shí)別，從而使計(jì)算機(jī)像人類一樣甚至超越人類去觀察和理解世界，它是人工智能領(lǐng)域的一個(gè)重要的組成部分。這幾年隨著相關(guān)硬件、算法及大數(shù)據(jù)的不斷發(fā)展，整個(gè)人工智能領(lǐng)域出現(xiàn)了井噴式發(fā)展，各大巨頭紛紛收購視覺創(chuàng)業(yè)公司，各種新產(chǎn)品層出不窮。

生活中，每個(gè)人都問過別人“這件衣服是從哪買的？”“這雙鞋是什么牌子的？”這一問題很快會(huì)被AI技術(shù)解決，只需要拿出手機(jī)對(duì)著物品拍照，就會(huì)得到商品的各種信息，并且能一鍵買買買。這就是美國著名圖片社交網(wǎng)站Pinterest（拼趣）即將推出的應(yīng)用圖片識(shí)別購買業(yè)務(wù)。

Pinterest總裁Tim Kendall表示，“Pinterest可以即刻在存儲(chǔ)750多億張圖片的巨大網(wǎng)絡(luò)空間內(nèi)進(jìn)行搜索，從而為用戶找到與所拍攝照片相似的配對(duì)圖片，以及查找到哪些地方能夠買到他們所需的商品?！?/p>

目前，Pinterest的估值已經(jīng)達(dá)到了110億美元，該公司的專注點(diǎn)正在向營收增長和創(chuàng)收方面轉(zhuǎn)變。相比Facebook、Twiter等社交網(wǎng)站，Pinterest已經(jīng)率先找到了一條清晰的創(chuàng)收道路。

從興趣到產(chǎn)品

亞里士多德曾經(jīng)說過，古往今來人們開始探索，都應(yīng)起源于對(duì)自然萬物的驚異?？萍嫉倪M(jìn)步也是如此，就像微軟研發(fā)主管和項(xiàng)目負(fù)責(zé)人Mitch Goldberg所說：“我們想通過該應(yīng)用向人們展示識(shí)別技術(shù)的無限魅力。”

今年2月，微軟旗下的Garage實(shí)驗(yàn)室發(fā)布了一款名為“Fetch！”的應(yīng)用，它可通過機(jī)器學(xué)習(xí)系統(tǒng)識(shí)別照片中寵物狗的品種并用文字對(duì)該品種進(jìn)行簡單的介紹。

隨著計(jì)算機(jī)視覺領(lǐng)域開始利用深層神經(jīng)網(wǎng)絡(luò)這種模仿人類大腦生物過程的系統(tǒng)來從事機(jī)器學(xué)習(xí)，識(shí)別的精確度實(shí)現(xiàn)了巨大飛躍。也就是說通過機(jī)器學(xué)習(xí)技術(shù)，F(xiàn)etch！識(shí)別的準(zhǔn)確度會(huì)越來越高，隨著大量圖片的涌入，F(xiàn)etch！ 可以自我修復(fù)錯(cuò)誤，從而更加精確地識(shí)別每一只狗的樣貌、形態(tài)、動(dòng)作。除了測試狗類品種以外，你還可以把朋友的照片上傳至平臺(tái)，看看他們能夠?qū)?yīng)出哪種寵物。

微軟的這款產(chǎn)品基于目前最為熱門的一種圖像識(shí)別技術(shù)——“深度神經(jīng)網(wǎng)絡(luò)”，同樣基于這種技術(shù)，微軟還有另一款有趣的產(chǎn)品：How-Old.net。去年5月，有超過5.75億圖片被提交到How-Old.net，超過8500萬來自世界各地的使用者訪問了這個(gè)網(wǎng)站，只為尋找一個(gè)簡單問題的答案——顏齡機(jī)器人認(rèn)為我看起來像幾歲？如果是合照，并且顏齡機(jī)器人識(shí)別出的自己比周圍人年齡小，則更能引發(fā)用戶的興趣，這種“損人利己”的識(shí)別應(yīng)用著實(shí)在社交媒體上火了一把。

另一讓計(jì)算機(jī)視覺研究技術(shù)人員特別感興趣的領(lǐng)域是生物識(shí)別，當(dāng)下最為火爆的莫過于人臉識(shí)別技術(shù)了。早期的人臉識(shí)別技術(shù)多為安防領(lǐng)域，如海關(guān)識(shí)別走私犯、商店識(shí)別小偷等。近年來，深度學(xué)習(xí)的研究與應(yīng)用使得人臉識(shí)別和人工智能的核心技術(shù)得到了極大的提升，攝像頭等圖像硬件的發(fā)展為人臉識(shí)別提供了很好的圖像基礎(chǔ)，如今人臉識(shí)別技術(shù)應(yīng)用更加廣泛，比如公司可以使用刷臉打卡來杜絕代人打卡簽到現(xiàn)象。

其實(shí)早在2012年，谷歌就開發(fā)出了安卓系統(tǒng)的“刷臉解鎖”技術(shù)，但因安全問題未解決，該技術(shù)一直未能得到普及。

而今年3月，電商巨頭亞馬遜提交了一項(xiàng)針購物付費(fèi)的專利技術(shù)，即消費(fèi)者在亞馬遜網(wǎng)站購物時(shí)可以通過自拍或者視頻來進(jìn)行付費(fèi)，無須再輸入賬號(hào)密碼。在消費(fèi)時(shí)系統(tǒng)會(huì)提示用戶表現(xiàn)出特定的行為、情緒或手勢來證明消費(fèi)者就是本人，而不是拿著照片的冒名頂替者。

亞馬遜表示，這項(xiàng)技術(shù)能使消費(fèi)者更加安全地進(jìn)行網(wǎng)上購物，因?yàn)楹芏嘤脩魹榱耸∈聲?huì)把所有賬戶都用同一個(gè)密碼，或者把密碼記在手機(jī)里，一旦遭遇“撞庫”或者手機(jī)被盜，后果不堪設(shè)想，而刷臉技術(shù)則沒有這個(gè)風(fēng)險(xiǎn)。

除了識(shí)別人臉，在識(shí)別其他生物方面也有了突破性進(jìn)展，比如識(shí)別寄生蟲。瘧疾，是一種由瘧原蟲造成的全球性急性寄生蟲傳染病，據(jù)統(tǒng)計(jì)，2015年有大約有2.14億人受瘧疾的影響。

一直以來，醫(yī)療工作者是通過肉眼觀察采樣玻片來確定采樣對(duì)象是否被瘧原蟲感染，這不但是對(duì)醫(yī)療工作者經(jīng)驗(yàn)的考驗(yàn)，而且工作效率也十分低下，而貧困地區(qū)一直都缺乏有經(jīng)驗(yàn)的醫(yī)療工作者。

今年2月，根據(jù)MIT Technology Review報(bào)道，Intellectual Ventures Laboratory（智能事業(yè)實(shí)驗(yàn)室）開發(fā)出了能夠檢測和評(píng)估瘧疾感染的便攜式顯微鏡。這種顯微鏡采用的是一個(gè)名為“Autoscope”的系統(tǒng)，通過計(jì)算機(jī)視覺和深度神經(jīng)網(wǎng)絡(luò)技術(shù)，采用深度學(xué)習(xí)算法來鑒別瘧原蟲。這款便攜式顯微鏡今年在泰國實(shí)地測試，成功鑒別出了 170塊玻片中的瘧原蟲如果這項(xiàng)技術(shù)得到普及之后，只要診所有一臺(tái)Autoscope顯微鏡和一些載玻片，就可解決瘧疾的診斷問題，這將使瘧疾診斷不再依賴于有限的專業(yè)醫(yī)療人員。

技術(shù)轉(zhuǎn)化為產(chǎn)品

新技術(shù)的出現(xiàn)，讓計(jì)算機(jī)不但“看見”這個(gè)世界，更能“看懂”這個(gè)世界，可以代替人眼甚至超越人眼。

人的視野是有限的，并且會(huì)受到周邊條件的影響，駕駛員在開車時(shí)會(huì)有視野盲區(qū)，還會(huì)受到光線的影響，并且大霧、暴雨等極端天氣也會(huì)嚴(yán)重影響駕駛員的視線。而計(jì)算機(jī)視覺技術(shù)就不一樣了，視野會(huì)更開闊，受限制更小。根據(jù)汽車媒體《Leftlane》報(bào)道，福特公司最新的無人駕駛汽車研究計(jì)劃是由激光感應(yīng)（LiDAR）和雷達(dá)、攝像頭形成一張周圍環(huán)境的高清3D地圖，不但讓無人駕駛汽車看到攝像頭視野范圍之外的物體，而且并不受光線限制。在夜間試駕后，福特工程師Wayne Williams說：“坐在汽車?yán)?，我能感到它在走，但是我往車外看，只能看到一片漆黑。結(jié)果令人驚喜，車輛準(zhǔn)確地沿著蜿蜒的道路行駛?！?/p>

識(shí)別場景這一領(lǐng)域技術(shù)的發(fā)展，使得計(jì)算機(jī)不但能當(dāng)機(jī)器的眼睛，還能變成人類的眼睛。

對(duì)于雙目失明的人來說，能親自感知這個(gè)世界是夢寐以求的事，而微軟2016 Build開發(fā)者大會(huì)上發(fā)布Seeing AI項(xiàng)目正是要幫助盲人實(shí)現(xiàn)這一愿望。

Seeing AI項(xiàng)目是通過計(jì)算機(jī)視覺和自然語言去形容一個(gè)人的周圍環(huán)境、朗讀文本、回答問題以及識(shí)別人的面部表情，可以在手機(jī)上使用，也可以在Pivothead的智能眼鏡上使用。如果投入使用，將有助于為視障人士營造更公平的環(huán)境，是一款能夠真正改變?nèi)藗兩畹漠a(chǎn)品，就像此項(xiàng)目的高級(jí)項(xiàng)目經(jīng)理Anne Taylor所說的，這是“為真正重要的場景尋求解決方案”。也許不久微軟能開發(fā)出一種仿生眼，直接發(fā)送視覺信號(hào)到大腦，讓盲人真正看到這個(gè)世界。

這項(xiàng)融合了圖像識(shí)別和自然語言程序的研究除了能幫助視障人士獲得準(zhǔn)確環(huán)境表述，也能幫助需要圖片信息但無法去看圖片的人們，比如正在開車的司機(jī)。

計(jì)算機(jī)視覺研究背后的圖像識(shí)別、自然語言處理和機(jī)器學(xué)習(xí)等領(lǐng)域的研究已持續(xù)數(shù)十年了。近年來的一系列研究的突破讓計(jì)算機(jī)視覺研究者們實(shí)現(xiàn)了在幾年前還不敢想的事情。微軟圖像描述（Image Captioning）技術(shù)資深研究員何曉冬說：“我們今天開發(fā)的技術(shù)比六年前好太多了，該領(lǐng)域的進(jìn)步是如此之快，不用說六年，就是現(xiàn)在與六個(gè)月前相比都會(huì)有很多進(jìn)步?！辈贿h(yuǎn)的將來，最新研究進(jìn)展都以會(huì)閃電般的速度轉(zhuǎn)化為人們可以實(shí)際使用的產(chǎn)品。