據(jù)國(guó)外科技媒體VentureBeat報(bào)道，微軟研究人員最近利用人工智能讓計(jì)算機(jī)“學(xué)會(huì)”了看圖說(shuō)話——為多張圖片配上注解。
這一技術(shù)具有重大意義，因?yàn)橛?jì)算機(jī)不是僅僅辨認(rèn)出圖片——甚至視頻——中的物體就能將圖片串成一個(gè)故事的。
為了讓人工智能學(xué)會(huì)講故事，微軟員工先給每一張圖片和按一定順序排列的組圖寫了注解，工程師然后使用這些信息教會(huì)機(jī)器按圖片順序講出完整的故事。
微軟研究人員使用遞歸神經(jīng)網(wǎng)絡(luò)來(lái)訓(xùn)練人工智能看圖說(shuō)話的能力。微軟研究人員使用了一種機(jī)器翻譯常常使用的方法——序列到序列學(xué)習(xí)。
這項(xiàng)技術(shù)有著巨大的應(yīng)用前景，比如幫助視障患者辨認(rèn)周圍的物體。實(shí)際上，研究人員已經(jīng)跟微軟盲人軟件開(kāi)發(fā)者Saqib Shaikh合作研究這方面的應(yīng)用了。
當(dāng)然，視力正常的人也可以從這項(xiàng)技術(shù)獲益，比如通過(guò)看圖講故事幫助人們學(xué)習(xí)外語(yǔ)，激發(fā)小孩的創(chuàng)造性思維。
智能拍照手機(jī)越來(lái)越普及，人們通常一次性拍下多張照片，讓機(jī)器看懂多張照片之間的關(guān)系變得非常重要，而微軟正在往這個(gè)方向努力——盡管尚未完全成功。
