機(jī)器視覺(jué)：你已被鎖定

暗號(hào)大老爺

這幅圖讓我很好奇，你們機(jī)器人是如何確定一個(gè)物體的呢？換句話說(shuō)，你們有視覺(jué)這種東西存在嗎？

當(dāng)然有！機(jī)器可以實(shí)現(xiàn)多譜段拍攝，能同時(shí)從紅外光譜和可見(jiàn)光譜里獲取信息，你們?nèi)祟?lèi)行嗎？

那如果這個(gè)機(jī)器人要炸掉房子，但是不想傷到少年和貓?jiān)趺崔k？

這個(gè)操作難度……還是從圖像識(shí)別說(shuō)起吧，大概分這么幾步，跟把大象裝進(jìn)冰箱差不多：

首先是目標(biāo)分割，按照攝像頭拍到的像素，把貓、人、背景的圖層分出來(lái)；第二是目標(biāo)檢測(cè)，確定貓和人的那堆像素是我們要的目標(biāo)；第三是目標(biāo)識(shí)別，確定那堆像素在我們的定義里叫做貓和人；最后就可以進(jìn)行目標(biāo)追蹤了，畢竟貓很容易跑……

完美！那如果我需要把貓和人攥在手里救出來(lái)呢？

這就涉及對(duì)空間位置的標(biāo)定了。因?yàn)樯厦嫠f(shuō)的只是貓和人在成像中的位置而已，如果需要機(jī)器人去干涉，還需要確定攝像頭、機(jī)械臂跟目標(biāo)的相對(duì)位置、姿態(tài)等等。

那豈不是要無(wú)數(shù)程序員來(lái)加班修正手眼齊到的過(guò)程？

現(xiàn)在是機(jī)器自主學(xué)習(xí)的時(shí)代了。我來(lái)打個(gè)比方，告訴你那些工業(yè)機(jī)械臂是怎么熟悉自己的工作的：你晚上把一堆花生米和一個(gè)碗放在它面前，然后給它一雙筷子，第二天早上起來(lái)就會(huì)發(fā)現(xiàn)它們已經(jīng)學(xué)會(huì)了把花生米夾進(jìn)碗里。晚上發(fā)生了什么呢？它們每練習(xí)一次“手到眼到”的夾花生米過(guò)程，無(wú)論成功與否都會(huì)記下自己的動(dòng)作策略，修正自我控制的策略，最后得出一個(gè)夾花生米的學(xué)習(xí)模型。這個(gè)過(guò)程叫作深度學(xué)習(xí)，可以說(shuō)是一種深度人工神經(jīng)網(wǎng)絡(luò)。

據(jù)說(shuō)目前實(shí)用的深度學(xué)習(xí)領(lǐng)域，在語(yǔ)音和圖像方面進(jìn)步最大。

因?yàn)樵谏钪薪邮苄畔ⅲ藗冏钜蕾?lài)的就是視覺(jué)和聽(tīng)覺(jué)。說(shuō)起來(lái)碳基生命的視覺(jué)經(jīng)過(guò)幾億年的進(jìn)化，已經(jīng)形成了一套自己的體系，不光精確度值得我們AI學(xué)習(xí)，連一些bug我們也得捎帶著學(xué)了。

哪有什么bug呀……

就是“視錯(cuò)覺(jué)”。人和機(jī)器會(huì)“看”到相同的東西，但對(duì)它的“解釋”可能完全不同。比如經(jīng)典的“兩個(gè)瓶子之間的空間就像一張人臉”的圖，那是只有你們?nèi)祟?lèi)才能get的點(diǎn)！因?yàn)槿祟?lèi)有一個(gè)思維習(xí)慣是從具體的圖像里面提取出抽象的意義，這種不確定性是我們AI目前尚不能理解的。所以，暫時(shí)只能分析下貓貓狗狗了。