斯坦福首席人工智能科学家:如何教计算机"看懂一张图"？

导读：一位三岁的小女孩对于这个世界也许还有很多东西要学习，但是在一个重要的任务上她已经是专家了：那就是理解并描述她所看到的东西。尽管我们目前的科技取得了前所未有的进步，但是，哪怕最先进的机器和电脑，依然会在这个问题上犯难。斯坦福大学首席人工智能科学家李菲菲认为，解决这个问题将是实现人工智能的第一步。

李菲菲教授现为斯坦福大学人工智能实验室和视觉实验室主任，多年来致力于解决人工智能的棘手问题——包括图像识别,学习能力和语言处理等功能。她和她的团队在2007年通过网络众包技术，建立起了一个含有1500万张照片的数据库Imagenet，它提供的信息财富可以用来训练计算机识别、理解图像内容的算法。

通过运用基于机器学习方式的神经网络模型，在李菲菲的领导下，斯坦福大学人工智能实验室已经研发出一款帮助机器人识别静止画面并通过自然的语言将其准确描述出来的第一个“计算机视觉模型”——迈出了人工智能研究领域里程碑式的一大步。

利用这样一个视觉软件，计算机不仅可以识别出图像中的对象、其所在位置，例如识别出图片中有一只猫；而且在几个月前已经成功教会了计算机“看懂一张图片并用一句话描述它。”

图为计算机智能识别图中的猫

图为计算机识别静止画面并通过自然的语言将其准确描述出来

李菲菲告诉我们，这一领域的发展空间将涉及医疗、智能汽车等等。也许不久以后，一场地震后的搜救队将由那些能洞悉周边环境的智能机器人组成。它们可以帮我们搜救受伤人员，帮我们探索更多未知的领域、更好的材料。而当我们教会机器人如何看的时候，它们才能够帮我们看得更远。

在接下来的TED视频中，我们将看到李菲菲向我们具体描绘当今人工智能科技的前沿领域——计算机视觉。

前方干货预警：视频长度18:02，2015 TEDxLujiazui最有价值演讲之一

原文发布时间为：2015-06-14

本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号

受显微镜下线虫启发， MIT人工智能实验室推出「液态」神经网络 近日，MIT计算机科学和人工智能实验室(CSAIL)的团队推出了「液态」神经网络，除在训练过程之外，还可以在实践过程中学习，能随着新的数据输入而不断更新模型方程，很好的适应了现实生活的可变性。有趣的是，这个灵感是从对显微镜下线虫的神经元的观察中得来的。
伯克利教授Stuart Russell：人工智能的过去、现在和未来 全球机器智能峰会（GMIS 2017），是全球人工智能产业信息服务平台机器之心举办的首届大会，邀请了来自美国、欧洲、加拿大及国内的众多顶级专家参会演讲。
微软研究院人工智能首席科学家邓力：人工智能的成功在于将多种理论方法整合成一个完整系统 邓力介绍了自己和微软研究院在做的关于人工智能的数项研究，回顾了自己在人工智能和语音识别领域的研究历程，并深入分析了人工智能领域的研究现状和未来发展， 针对无监督学习等人工智能难题提出了自己的研究思路和解决方法。相信邓力的精彩分享将会给人工智能从业者带来巨大收获，其对人工智能的深入思考和研究理念也会给大家带来宝贵的灵感和启发。
机器之心独家对话Ross Intelligence：世界首个人工智能律师是如何炼成的？ 不久之前，机器之心对 ROSS Intelligence 的 CTO、联合创始人 Jimoh Ovbiagele 进行了专访，他向国内的读者介绍了 ROSS 的创业历程、ROSS 所采用的技术以及未来 ROSS Intelligence 的发展方向。
MIT教授称人类大脑并不比AI复杂，30年内机器智能将可复制爱与同情 从Project Debater身上，我们见证了人工智能在更高维度上对我们的大脑的思维和运行方式的一次形象的模拟。这是否意味着，人的大脑的许多能力都可以用AI重现？
【专访】MSRA周明团队，NLP铁军“超越人类”技术揭秘 2018年1月3日，微软亚洲研究院的r-net率先在SQuAD EM值达到82.650，这意味着在ExactMatch (精准匹配)指标上首次超越人类在2016年创下的82.304。新智元第一时间采访了MSRA周明团队，为读者详细解析了何为EM、F1，超越人类的具体内涵，NLP最难突破的核心问题以及我国自然语言处理技术发展现状和未来展望等众多话题。