人工智慧大佬們在玩啥？

人工智慧大佬們在玩啥？

本節要介紹一位視覺識別領域的大佬，美國斯坦福大學華裔教授李飛飛女士，她就是著名的ImageNet（後面簡稱I.N.）的創建者。很多人則認為，I.N.大賽是現在席捲全球的人工智慧浪潮的催化劑。

8年前，李飛飛決心要做一件史無前例的事情，這就是描繪出這個世界的物體。這個想法誕生的初衷是，當時人工智慧領域的大佬們都在死磕演算法，優化演算法。當時流行的趨勢是演算法決定論，即一個好的演算法，可以讓機器達到更好的學習效果。對於這點，當然是需要肯定的。

但是李飛飛卻從另一個方向，受到了嬰兒認知學習的啟發。人對於事物的認知是全息的，相當於嬰兒每200毫秒就為大腦提供一幅全息圖像，通過對海量圖像的理解來認知世界。李飛飛教授在這個啟發下，於2007年與她的團隊一起著手組建I.N.數據集。這個數據集集成了包括物體（例如麵包，汽車等實物）以及抽象概念（例如愛情，快樂）等一系列數據。I.N.不僅擁有海量的數據，而且數據的質量也是最高的。

2009年IN開始舉辦圖像識別大賽。到了2012年，它成為了圖像分類演算法在處理當時最複雜視覺數據集時的標準。同時，研究人員也注意到，他們的演算法在使用I.N.數據集訓練時的表現更好。這其實是I.N.在收集分類數據集時對數據進行了更精細的糾錯，從而使數據的質量更高。這樣就避免了好的演算法由於「垃圾進，垃圾出」原則而造成的尷尬局面。

2012年在I.N.大賽時，發生了一件非常重要的大事，這件大事直接導致了本輪人工智慧浪潮的爆發。這就是多倫多大學的Geoffrey Hinton教授和他的團隊的參賽，他就是我們第一節介紹的深度學習之父Hinton教授。

他的團隊提交的AlexNet架構基於深度學習演算法，使得圖像識別準確率提升了10.8%，遠超第二名41%。但Hinton教授的苦惱是，他的網路如果想在現實世界中應用，必須有更多的數據，而I.N.的出現正好滿足了他們團隊的需求。

2017年I.N.宣布圖像識別大賽結束，未來不再舉辦圖像識別大賽，原因是目前人工智慧圖像識別的錯誤率已經降低到2.9%，已經遠遠超越人類5.1%的識別錯誤率，今後舉辦這類比賽的意義已經不大。目前李飛飛教授開啟了視覺基因組計劃，該項目的目的是把語義與圖像結合起來，讓計算機理解圖像中究竟發生著什麼事，以推動人工智慧的進一步發展。

根據研究，人類的兒童在3歲的時候，已經完全具備了對這個世界圖形認知的能力。但是當兒童看到一幅例如哭泣的圖像，他們中的絕大部分不能理解哭泣的含義，也就是說對圖像「無感」。目前的人工智慧就像人類3歲的兒童，而進一步發展人工智慧，無疑需要讓人工智慧向著有「感情」的方向發展。

李飛飛教授於2016年加盟谷歌公司，成為谷歌雲首席科學家，目前李飛飛教授搖身一變，成為世界頂級科技公司如谷歌，微軟等公司在圖像識別方面的終極考官。

總結一下

今天你需要記住的幾個知識點：

1、李飛飛教授開啟了海量數據訓練人工智慧的方向。

2、ImageNet視覺識別大賽助推了這輪人工智慧浪潮。

3、Hinton教授的參賽開啟了這輪人工智慧浪潮。

4、人工智慧目前像3歲的兒童，只具備識別能力。

本節通過介紹李飛飛教授，為讀者呈現了人工智慧目前所處階段。下一節我們將會帶讀者了解下目前人工智慧領域有什麼玩法。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！