近年來，計算機視覺技術發(fā)展迅速，但它往往趨于應用于某種特定的應用程序中，比如Facebook自動標記出照片中的朋友，谷歌會自動顯示用戶搜索類似圖像。

但我們對計算機視覺技術真正的期望是，一臺經(jīng)過訓練的相機，能夠回答類似：“孩子放學回家了嗎？”“公司有開放的停車場嗎？”“奶茶店有多少人正在排隊？”等簡單的問題。

而現(xiàn)在，計算機還沒有發(fā)達到準確理解并回答這些問題。這也是Zensors研究人員想要改變的東西?？▋?nèi)基-梅隆大學開發(fā)了一種項目，旨在運用人類的智慧和人工智能的巧妙結合，使得使計算機視覺更加智能。然而目前這一想法僅在概念驗證階段，它需要一個令人信服的解決方法。

人工的智能

假設你是一個奶茶店的老板，想要知道一天之內(nèi)有多少顧客排隊購買。那Zensors就派上用場了：只要將一部舊的智能手機安裝在墻上，注冊賬號后，向Zensors APP發(fā)出指令，讓它查詢有多少顧客正在排隊。接下來， Zensors會把用戶指令傳達給卡耐基梅隆大學的研究人員。項目的“眾包”工人收到智能手機傳送過來的圖片，并數(shù)出照片中的人數(shù)并附上標記（這步需要收取一筆小額費用）。

處理后的圖像被同時用于機器算法的學習，使機器學會自主數(shù)清排隊等待的顧客人數(shù)。當人工智能訓練到一定程度時，即可完全接管這項任務。人工與機器的切換無縫發(fā)生；用戶甚至感覺不到差別，而他們所能體會到的是，在設置相機的幾分鐘中內(nèi)，Zensors就會做出回答，給出一個確切的數(shù)字。

這讓我們想起了2011年就出現(xiàn)過的聯(lián)想樂助理的例子。這是一個日程應用，你對著手機說“兩天之后早上十點飛北京”，它就能自動幫你安排日程，識別相當準確。但真正起作用的并不是什么人工智能算法，而是另一端有客服人員“人工”聽到語音后，再安排行程。

人與機器，誰服務誰？

該方法解決了計算機視覺存在的最大問題：缺乏靈活性。計算機視覺已經(jīng)取得了巨大的進步，但很多都僅應用于非常具體的情況。從技術上說， 經(jīng)過人工智能訓練的計算機視覺系統(tǒng)非常不可靠，往往無法處理陌生的環(huán)境或行為。Zensors會雇傭適量的人力使計算機熟悉某個特定的場景，他們認為這是將計算機視覺帶入大眾生活中的一種好方法。

這種方式比重新構建解決方案便捷地多。研究人員詢問了一些程序員，開發(fā)一個常規(guī)的可以測定公共汽車是否已到達車站的計算機視覺系統(tǒng)的成本是多少，結論是平均3000美元。Zensors用自己的方法開發(fā)能解決類似問題的系統(tǒng)，如“停車場有多少輛車？ 水槽有多臟？洗碗機的門開著嗎？”。平均而言，只要每天讓一部分人幫助處理圖像，一周之內(nèi)該算法就可以自主回答類似的復雜問題。按最低工資來算，訓練一個傳感器的成本最便宜是5美元，最貴也僅為40美元。

但這種方法似乎將人類置于機器之下，它們做不了的工作讓人類來完成，而我們的初衷卻是人類不愿做的就讓機器來完成。這固然也是人工智能還不成熟時的權宜之計。

Zensors團隊目前仍在著手構建該平臺。但Zensors真正的野心遠不限于回答用戶提出的問題。該模型還可以把類似API的結構應用于視頻中，并供其他應用程序使用。不同于iPhone中的運動傳感器，他們可以將獲得的數(shù)據(jù)提供給如Nike和MyFitnessPal的第三方應用，目前仍沒有API可以從視頻中提取數(shù)據(jù)。使用Zensors，店主可以觀察每天排隊人數(shù)的變化，還可以使用這些數(shù)據(jù)喚醒其他操作，比如說，當排隊等待的人數(shù)超過6人時，自動開放第二個收銀窗口。

“今天我們普遍將相機圖像認為是一種沒有多少計算意義的模擬信號。但其傳遞的信息是清晰的，” Wiese說。目前來說，計算機算法可能無法自助提取信息，但只要給予它們一些時間與人類的輔助，相信這也不是遙遠的愿景。

via wired

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。