AR 有了新 “看法”,会不会更加智能?

新创

2016-09-21 14:37

本文由 ARinChina(www.arinchina.com)原创,转载请联系 ARinChina(微信 ID:arinchinaservice)

如果 AR 可以像人一样 “看懂” 现实世界,并根据情况将自己的 “想法” 进行 “表达”。那么,世界将是怎样?

我们先来欣赏一段视频。

腾讯视频

视频中人类生活因 AR 的帮助更加便利。那么,要想达到这种效果,AR 应用必须智能化。要使 AR 智能化,必须先使 AR 的 “视觉” 智能化。

计算机与小孩的 “看图说话” 大 PK

1835015711982

这是《爱丽丝漫游奇境记》中疯狂茶话会一幕,当一个小孩描述这幅图时,他能立刻识别出图中的一些简单元素,比如:

“房前的一棵大树下,放着一张桌子。一只兔子和戴帽子的人坐在桌旁喝茶。桌子很大,他们三个都挤在桌子的一角……”

然而计算机在描述这幅图时,它不懂什么是 “三月兔”,谁是 “爱丽丝”,它只会以立体几何的形式描绘这些内容。

1836151511982

计算机这种简单的描绘方式,使得 AR 应用目前必须提前设定识别目标才能进行交互。

人是怎样 “看” 世界的?

经过 5.4 亿年,人类才形成对世界的认识,其中大部分努力用在了大脑视觉处理机制的开发,而不是眼睛本身。也就是说视觉始于眼睛,却发生于大脑。

1981 年的诺贝尔生理学及医学奖获得者——休伯、斯佩里和韦赛尔——研究发现,视皮层细胞解释视网膜的编码脉冲信息的能力,是在孩子出世后直接发育形成的,这种发育的一个先决条件是:眼睛必须受到视觉刺激。在这一期间,如果一只眼睛闭上几天,视皮层将发生永久性的功能变化。

这意味着:大脑的高度可塑性是从一出生就开始的,大脑在这段时期接受丰富多彩的视觉刺激十分重要。

如果把人的眼睛看作一对生物相机,它们大约每 200 毫秒就能拍一张照片(这是眼睛运动的平均时间),那么 3 岁小孩看到的图像是数以亿计的。人类大脑通过观看无数张图像后才对物体有了概念。

为什么计算机做不到?

斯坦福大学的计算机视觉专家李飞飞曾在 TED 大会上举了一个很好的例子

我们可以用简单的几何形状来描绘一只猫。

1837229111982

但是对于一些形状诡异的猫呢?像这些。

1837562111982

1838206511982

像家庭宠物这样简单的物种,在模型上都千差万别,大千世界更是千姿百态。李飞飞和她的团队在生物识别方面投入了大量心血,也没能找到一个好的算法让计算机准确识别出一个物种。

于是他们不再专心寻找优秀的识别算法,而是把注意力放在了人类视觉的形成上。

模仿人类看世界

我们从出生就开始不断通过眼睛采集图像,大脑通过大量图像的训练后,才形成了我们现在的视觉系统。那么,如果我们把计算机当做一个婴儿来培养,它会不会像人一样聪明了呢?

李飞飞和她的团队就是这样做的。他们建立了一个含有 1500 万张照片的数据库——ImageNet,通过记住大量图片来教计算机认识物体。

1845194511982

不过,计算机可以通过摄像头来模拟人眼采集图像,却无法从拍摄到的图像中识别出有用的信息。

庆幸的是,Kunihiko Fukushima、Geoff Hinton 和 Yann LeCun 在上世纪七八十年代开创了 “卷积神经网络”,这是一个非常复杂的模型。该模型中最基础的运算单元是 “神经元式” 的节点,就像大脑由上十亿个紧密联结的神经元组成。每个节点从其它节点处获取输入信息,然后再把自己的输出信息交给另外的节点。

1846118111982

此外,这些成千上万甚至上百万的节点,都按等级分布于不同层次。在一个用来训练 “对象识别模型” 的典型神经网络里,有着 2400 万个节点、1 亿 4 千万个参数和 150 亿个联结。

李飞飞团队借助 ImageNet 提供的巨大规模数据支持,通过大量先进的 CPU 和 GPU,训练了这些堆积如山的模型。在图像训练中,由一个提前选定的卷积核来对图像进行 “扫描”,然后经过层层神经元的分析,最后输出识别结果。

“卷积神经网络” 也因此蓬勃发展起来。它成为了一个成功体系,在图像识别领域产生了激动人心的新成果。

目前,通过模拟人类视觉,计算机识别效果已经可以与一个 3 岁小孩相比。

1846529911982

1847129411982

不妨试想一下,等计算机可以像少年一样描绘世界,那么它看到 “疯狂茶话会” 画面时,就有可能是下面这种描述:

“房前的一棵大树下,放着一张桌子。三月兔和帽匠坐在桌旁喝着茶,一只睡鼠在他们中间酣睡着,那两个家伙把它当做垫子,把胳膊支在睡鼠身上,而且就在它的头上谈话。‘这睡鼠可够不舒服的了。’ 爱丽丝想 ‘不过它睡着了,可能就不在乎了。’……”

就像讲故事一样,这段描述立刻生动起来。其中对睡鼠的感受,还添加了自己的想象。这会不会是未来 AR 的模样呢?

为了达到这一效果,我们正在教计算机如何去 “看”,未来世界将有更多的 “眼睛” 一起探索。

 

题图来源:youtube

登录,参与讨论前请先登录

评论在审核通过后将对所有人可见

正在加载中

不止枯燥的技术,我们要提供最鲜活的 AR/VR 资讯和故事!你喜欢的,才最重要 (☆w☆)。ARinChina 是中国最大的增强现实综合服务平台,服务方式包括技术社区、行业媒体、教育培训等不同维度。

本篇来自栏目

解锁订阅模式,获得更多专属优质内容