智慧視覺是人工智慧的大門,智慧視覺將通過
智慧視覺是人工智慧的大門,如果不開啟這扇大門,就沒有辦法深入研究人工智慧。人的大腦皮層70%的活動都在處理視覺資訊,視覺資訊與聽覺資訊、觸覺資訊相比要重要得多。同理,如果沒有視覺資訊的話,人工智慧只是一個做符號推理的空架子。那麼,智慧視覺將通過哪些形式影響人工智慧呢?
1. 智慧裝置在視覺上開戰
隨著智慧裝置的系統越來越接近“人性化”即人工智慧,它將更需要通過視覺途徑來學習和處理其他資料,也因此,智慧視覺技術爭奪戰即將打響。例如,亞馬遜最近為其以Alexa作為語音助手的智慧裝置Echo,添加了一臺攝像頭,而Google(Lens)和Facebook最近又釋出了新的增強現實研究的宣告。
2. 智慧視覺引領無人駕駛
我們經常會看到這樣的爭論:無人駕駛汽車是否需要鐳射雷達?僅依賴智慧視覺的解決方案足夠嗎?對此,業界普遍認為,汽車不僅僅需要智慧視覺感測器平臺——相機,也需要比GPS更精確的LiDAR和高精度無線電導航,因為LiDAR和雷達通過範圍和角度來精確定位周圍環境中的實際物體,而智慧視覺解決方案則應用深度學習演算法執行影象,取得預測的結果。然而,光學解決方案能在實際生活中識別某個地方的效果更好。
3. 智慧視覺是優秀的“學習途徑”
機器不僅僅通過神經網路和機器學習來學習,他們還通過其它方法來學會識別和分析他們周圍的世界。Google的科學家展示過一種技術:通過將屋頂上的直線或紫色水果中所存在的偏差放大來判斷判定舊房子的結構是否存在問題或者是某個西紅柿是否比其他的成熟的更好、更飽滿。這看似很簡單,卻是智慧視覺的優秀“教學”案例。
4. 智慧視覺優化醫療診斷
病理學家平均每天有500張幻燈片要處理,而每張幻燈片又包含數十萬個需要分析的單個細胞,人類無法像計算機一樣高效的工作,醫生很容易遺漏癌細胞,造成誤判。智慧視覺技術可以恰當的解決這個問題:病理學家檢視他們所熟悉的資料,與那些由智慧視覺系統處理過的影象結合,基本上就可以確定癌症的區域,然後醫生通過專門研究這些區域作出診斷。以乳腺癌研究為例,如果沒有智慧視覺技術,活檢只有85%的準確率,而使用智慧視覺作為輔助,錯誤率將下降到只有5%。
5. 智慧視覺降低人工智慧門檻
優質相機、感測器和深度學習軟體庫等的商品化大大擴充套件了智慧視覺的使用範圍,我們看到許多新的初創公司的出現。不論是由街景檢視影象生成人口分析報告的技術,還是能夠對事故發生後汽車的損壞程度進行評估並且計算出維修成本的應用程式,我們可以看到智慧視覺在多個方面已經出現了讓人難以置信的商業化,這極大地推動了人工智慧的發展。但毫無疑問,雖然對人工智慧的發展已經形成有力刺激,但智慧視覺的百分百商品化還有較大難度,我們讓人工智慧睜開眼睛的任務仍然艱鉅,需要各領域共同奮鬥。
在不久的將來,多智時代一定會徹底走入我們的生活,有興趣入行未來前沿產業的朋友,可以收藏 ofollow,noindex" target="_blank"> 多智時代 ,及時獲取人工智慧、大資料、雲端計算和物聯網的前沿資訊和基礎知識,讓我們一起攜手,引領人工智慧的未來!