機器學習不斷接近人腦水平，AI圖像識別未來發(fā)展如何？

　　過去十幾年，人類可以說是在機器智能面前節(jié)節(jié)退敗，屢敗屢戰(zhàn)，而多任務處理(multi-tasking)幾乎是為數(shù)不多可以讓人類驕傲的事情了。人們可以同時打開8個網(wǎng)站、數(shù)份文檔和一個交友軟件，即使正在專心處理其中一件事，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，要在同一時間完成這樣的任務顯然有點困難，因此，多任務處理一直被視為人類獨有的技能點。

　　然而，這個優(yōu)勢也將失去了。

　　近幾年，Alphago、視頻識別、指紋解鎖、圖片識別、語音轉(zhuǎn)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(nèi)人工智能產(chǎn)業(yè)中，就算集視覺與圖像領域公司的數(shù)量已達數(shù)百家，僅次于自然語言處理類公司，位居第二。其中該領域最為出名的創(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(nóng)業(yè)等產(chǎn)業(yè)，而今天，人工智能也像電一樣將改變傳統(tǒng)產(chǎn)業(yè)。人臉識別和圖片識別是人工智能視覺與圖像領域中的兩大熱門應用。但將人工智能技術單純用于圖片識別分析的應用企業(yè)數(shù)量并不如預想的多，可能有以下幾個方面的原因：目前視頻監(jiān)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(jiān)控領域，人臉識別屬于圖片識別的一個應用場景，做人臉識別的大多數(shù)企業(yè)同時也在提供圖片識別服務，但是銷售效果不佳，主要贏利點還在于人臉識別等。

　　識別物體是圖片分類的另一個比較常見的應用，例如一個簡單的手機識別模型，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模型，讓計算機能識別出來，輸一張圖片的時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，之前我們建立的模型就識別不出來了。這就是計算機視覺在應用中尋在的難點問題。機器學習的本質(zhì)其實就是為了找到一個函數(shù)，讓這個函數(shù)在不同領域發(fā)揮不同的作用，像語音識別領域，這個函數(shù)會把一段語音識別成一段文字。圖像識別的領域，這個函數(shù)會把一個圖像映射到一個分類。

　　進入21世紀，計算機視覺與計算機圖形學的相互影響日益加深，基于圖像的繪制成為研究熱點，高效求解復雜全局優(yōu)化問題的算法得到發(fā)展。到現(xiàn)在，通過技術迭代更新和機器學習，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++自主開發(fā)的文娛人工智能系統(tǒng)「VideoAI」已實現(xiàn)場景、物體、人臉、品牌、表情、動作、地標、視覺特征檢索8大維度的數(shù)據(jù)結構化，同步生成軌跡流數(shù)據(jù)，通過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)化場景。

　　通過SAS針對企業(yè)人工智能的調(diào)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(xiàn)，正在部署的大量應用場景都包含AI板塊。顯而易見我們必須學習新的技能來配合AI的發(fā)展，未來也是屬于意識到這一點并立即發(fā)展的企業(yè)。機器的每一點進步都依賴于不斷模擬和接近人腦的水平，提升AI在場景應用上的工程能力，會為生活帶來更多的便利。