2017-05-24 | 권용민 기자

[Science&Market] 视觉技术遇上AI,开启新界面时代

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

登山途中遇到的不知名野花的说明、在地铁上偶遇的人所穿漂亮衣服的价格或生产厂商信息、旅行地发现的陌生餐厅的食评、美术馆或博物馆展品的说明——需要这些信息时,该输入什么检索词只会让人一头雾水。或许也曾想过,连上网搜索都嫌麻烦,希望有人能代劳。在这种情况下,如果只用手机摄像头拍下想了解的对象,就能轻松获知好奇的信息,该有多方便。尽管尚处初期阶段,但预计随着人工智能(AI)与计算机视觉的结合,这些将成为可能。

从本月17日起为期三天,在美国加利福尼亚州山景城举行了发布谷歌研发(R&D)方向与成果的“谷歌年度开发者大会(Google IO 2017)”。在会上,谷歌首席执行官(CEO)桑达尔·皮查伊明确表示,“从移动优先到AI优先(mobile first to AI first)”是谷歌的方向。

会上还介绍了性能大幅改善的“Android O”和可适用于普及型智能手机的“Android Go”等新的安卓操作系统(OS)、不再需要PC或手机辅助即可独立运行的新一代虚拟现实(VR)头显,以及名为Kotlin的新编程语言,但大量时间被用于介绍AI及相关技术。

在该活动中最先被介绍、也最受关注的正是“谷歌镜头”。皮查伊CEO强调,基于AI的图像理解正在越过拐点,甚至能从球场拍摄的照片中只去掉防护网,而在这一时点推出的技术正是谷歌镜头。谷歌镜头理解用户在看什么,并在此基础上帮助用户采取行动,提供利用视觉的新型界面。只要拍下影像,就会解析影像中包含的信息并提供相关信息。例如拍花可获得花的信息,拍餐厅招牌可跳转至食评或预订网站,拍下Wi-Fi名称和密码还能连接互联网。人们逐一输入、寻找网站等不便将随之消失。

更值得期待的是,预计与谷歌提供的其他服务结合后,将实现前所未有的新服务。比如将谷歌镜头与“谷歌助手”或“谷歌Home”等语音识别助手结合,无需逐一开口,只要用摄像头对准就能预订演出或餐厅,还可添加日程,这或将与曾引领语音识别助手市场的亚马逊Echo形成良性竞争。

将视觉用作新界面的尝试在其他地方也能看到。早一个月发布的Samsung ElectronicsGalaxy S8所搭载的AI“Bixby”,不仅有语音,还以“Bixby Vision”之名提供与谷歌镜头类似的功能。

但要把主要在高性能PC上运行的视觉技术,应用到内存与运算能力相对匮乏的移动环境中并不容易。此外,此前主要开发的算法可识别对象数量约为1000个左右,而现实中几乎是无限的,如何应对也是难题。或许正因如此,谷歌镜头尚未发布,没有具体应用结果,但从Bixby Vision的应用案例来看,时常会出现错误。

考虑到条件受限,需要“Caffe2Go”或“TensorFlow Lite”等移动端开发平台。此外,要让AI网络适配移动环境实现最优化,深入理解网络并开发优秀工具也必不可少。就像谷歌此次发布的那样,可能还需要用于训练AI的另一个AI。尽管存在这些困难,但因其众多可能性与潜力,仍然完全值得努力,预计今后众多信息技术(IT)企业将陆续应用并发展视觉界面。

LaonPeople代表李锡中

阅读韩文原文