人類對(duì)世界的認(rèn)知中，80%的信息來(lái)自視覺(jué)，人們希望人工智能未來(lái)也能像人一樣敏銳地觀測(cè)、認(rèn)知和預(yù)測(cè)世界。在中國(guó)工程院院士潘云鶴看來(lái)，實(shí)現(xiàn)視覺(jué)知識(shí)表達(dá)、推理、學(xué)習(xí)和應(yīng)用的技術(shù)將是人工智能(AI)2.0取得突破的重要方向之一。
近日，潘云鶴首次系統(tǒng)地提出“視覺(jué)知識(shí)”概念，在接受《中國(guó)科學(xué)報(bào)》專訪時(shí)對(duì)其進(jìn)行了具體闡述和解釋。
《中國(guó)科學(xué)報(bào)》：您提出視覺(jué)知識(shí)這一概念的背景是什么？
潘云鶴：
視覺(jué)處理技術(shù)對(duì)AI發(fā)展有重要影響。
首先，近年來(lái)，圖像識(shí)別水平的快速提升推動(dòng)了AI熱潮的形成。圖像識(shí)別技術(shù)的突破不僅提高了計(jì)算機(jī)對(duì)人臉、文字、指紋及生物特征、醫(yī)學(xué)圖片等識(shí)別的準(zhǔn)確率，而且進(jìn)一步推動(dòng)了智能制造等領(lǐng)域的發(fā)展。中國(guó)科學(xué)技術(shù)發(fā)展戰(zhàn)略研究院按技術(shù)分類對(duì)2018年中美AI企業(yè)數(shù)量進(jìn)行了統(tǒng)計(jì)，可以看出，提供和應(yīng)用圖像識(shí)別技術(shù)的企業(yè)占一半以上。
其次，傳統(tǒng)的知識(shí)表達(dá)方式有顯著缺陷。早期圖像識(shí)別和計(jì)算機(jī)視覺(jué)建立在圖像處理技術(shù)之上;深度神經(jīng)網(wǎng)絡(luò)的使用以數(shù)據(jù)驅(qū)動(dòng)的方法來(lái)學(xué)習(xí)特征表達(dá)，有效提高了圖像分類和識(shí)別的準(zhǔn)確率。
不過(guò)，作為AI知識(shí)表達(dá)的一種方式，深度神經(jīng)網(wǎng)絡(luò)難以解釋、不可推理，以及因需大量標(biāo)識(shí)的數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)參數(shù)而難以避免地會(huì)引入數(shù)據(jù)偏見(jiàn)等不足。因此，我們需要研究一種全新的知識(shí)表達(dá)——視覺(jué)知識(shí)。
這啟示我們，數(shù)字視覺(jué)領(lǐng)域是推動(dòng)AI發(fā)展的重要領(lǐng)域;更好的知識(shí)表達(dá)是推動(dòng)數(shù)字視覺(jué)發(fā)展的關(guān)鍵技術(shù);克服深度神經(jīng)網(wǎng)絡(luò)缺陷是“視覺(jué)知識(shí)”研究的關(guān)鍵方向。
《中國(guó)科學(xué)報(bào)》：什么是視覺(jué)知識(shí)？它有哪些特征？
潘云鶴：
視覺(jué)知識(shí)是知識(shí)表達(dá)的一種新形式，它能表達(dá)世界的時(shí)空結(jié)構(gòu)與變化特征。計(jì)算機(jī)圖形學(xué)經(jīng)過(guò)長(zhǎng)期發(fā)展，提供了視覺(jué)知識(shí)表達(dá)與操作的技術(shù)基礎(chǔ)。但是，對(duì)視覺(jué)知識(shí)進(jìn)行表達(dá)及其推理等操作，還需在此基礎(chǔ)上加以改造與重構(gòu)。
視覺(jué)知識(shí)與迄今為止人工智能所用知識(shí)表達(dá)方法不同。視覺(jué)概念具有典型與范疇結(jié)構(gòu)、層次結(jié)構(gòu)與動(dòng)作結(jié)構(gòu)等要素。視覺(jué)概念能構(gòu)成視覺(jué)命題，包括場(chǎng)景結(jié)構(gòu)與動(dòng)態(tài)結(jié)構(gòu)。視覺(jué)命題能構(gòu)成視覺(jué)敘事。重構(gòu)計(jì)算機(jī)圖形學(xué)成果可實(shí)現(xiàn)視覺(jué)知識(shí)表達(dá)及其推理與操作，重構(gòu)計(jì)算機(jī)視覺(jué)成果可實(shí)現(xiàn)視覺(jué)知識(shí)學(xué)習(xí)。
實(shí)現(xiàn)視覺(jué)知識(shí)表達(dá)、推理、學(xué)習(xí)、使用的理論和技術(shù)將是AI 2.0取得突破的重要方向之一。
視覺(jué)知識(shí)因?yàn)殡y以用語(yǔ)言符號(hào)表達(dá)，曾被統(tǒng)歸為常識(shí)，而以往AI研究的一大弱點(diǎn)便是視覺(jué)知識(shí)研究不足。因此，視覺(jué)知識(shí)的研究與運(yùn)用將會(huì)是AI 2.0的一個(gè)重要發(fā)展方向。
《中國(guó)科學(xué)報(bào)》：如何構(gòu)建視覺(jué)知識(shí)體系？
潘云鶴：
視覺(jué)知識(shí)體系構(gòu)建與利用需要解決的首要問(wèn)題是視覺(jué)知識(shí)學(xué)習(xí)，這也是一個(gè)知識(shí)學(xué)習(xí)的無(wú)人區(qū)。建立一個(gè)系統(tǒng)的知識(shí)體系，往往更需要自頂向下的設(shè)計(jì)，在這個(gè)過(guò)程中，諸如3D形狀重建等計(jì)算機(jī)視覺(jué)研究成果為系統(tǒng)的視覺(jué)知識(shí)學(xué)習(xí)提供了發(fā)展土壤。
不過(guò)，視覺(jué)知識(shí)學(xué)習(xí)要將目標(biāo)從視覺(jué)形狀重建進(jìn)一步深入到視覺(jué)知識(shí)重建，還需要對(duì)現(xiàn)有計(jì)算機(jī)視覺(jué)技術(shù)作進(jìn)一步研究，比如，重建3D形狀的層次結(jié)構(gòu)，定位其在概念范疇中的位置等。
除了視覺(jué)概念，還要研究視覺(jué)命題與視覺(jué)敘事的表達(dá)和學(xué)習(xí)。
《中國(guó)科學(xué)報(bào)》：視覺(jué)知識(shí)有哪些應(yīng)用？
潘云鶴：
從當(dāng)前AI熱潮中視覺(jué)識(shí)別技術(shù)的廣泛滲透，可推知視覺(jué)知識(shí)的應(yīng)用極廣。這里我舉例說(shuō)明視覺(jué)知識(shí)的各種應(yīng)用。
基于知識(shí)的識(shí)別方法，如用于圖像識(shí)別。例如“貓”，根據(jù)“貓”的視覺(jué)概念的典型與范疇等，使用綜合推理方法自動(dòng)生成貓的范疇內(nèi)外各種圖像大數(shù)據(jù)，并根據(jù)范疇內(nèi)外自動(dòng)標(biāo)識(shí)為正、負(fù)范例。然后，用上述范例大數(shù)據(jù)訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)，最后，用訓(xùn)練過(guò)的多層神經(jīng)網(wǎng)絡(luò)識(shí)別圖像。
事實(shí)上，視覺(jué)知識(shí)有著獨(dú)特的優(yōu)點(diǎn)，能夠提供綜合生成能力、時(shí)空比較能力和形象顯示能力，而這些正是字符知識(shí)所缺乏的重要能力。它們能在創(chuàng)造、預(yù)測(cè)和人機(jī)融合等方面為AI新發(fā)展提供基礎(chǔ)動(dòng)力。
《中國(guó)科學(xué)報(bào)》：關(guān)于視覺(jué)知識(shí)，未來(lái)，我們需要關(guān)注的重點(diǎn)還有哪些？
潘云鶴：
建設(shè)視覺(jué)知識(shí)詞典將是十分重要的，這是一個(gè)巨大而實(shí)用的知識(shí)平臺(tái)和數(shù)據(jù)平臺(tái)，應(yīng)當(dāng)聯(lián)合全球人工智能、計(jì)算機(jī)圖形學(xué)和計(jì)算機(jī)視覺(jué)科技工作者共同建設(shè)。為了順利而高效地完成視覺(jué)知識(shí)詞典的建設(shè)，群智組織模式不可或缺。
