跨媒體智能：讓機器跨越“感官”鴻溝

文／王生進

在科幻電影里面，熒幕上的“終結(jié)者”不僅能從自己看到的畫面里檢索出有用的信息，還能梳理自己的記憶和邏輯，跟人類毫無障礙地交流，這種強烈的科技感讓人印象深刻。

反觀我們當(dāng)下很多智能技術(shù)和產(chǎn)品，智能化水平和科技感并不高，不論是智能音箱、人臉識別閘機、刷臉支付、巡邏機器人，還是送餐機器人，“感官”能力過于單一和簡單，多種感官能力僅僅是物理層面的疊加。對于智能機器來說，提高視覺、聽覺、觸覺等多種生物感官復(fù)合能力與信息復(fù)用能力，是增強智能化水平的一個重要研究方向，跨媒體智能便是其中的一項重要技術(shù)。

何為跨媒體智能？

我們?nèi)祟惪梢酝ㄟ^語言、文字、圖片等多種媒體形態(tài)接收到同樣一個信息。當(dāng)我們理解這個信息后，會從大腦中回想與之相關(guān)聯(lián)的多種記憶，這些記憶可能來自書籍、影視、交流、畫冊等多種載體。我們從不同時間維度的記憶里去思考、推理，得到另外一個信息，然后輕而易舉地把它寫出來、說出來，或用其他途徑將它反饋出來。在智能機器中，實現(xiàn)以上信息處理流程，便是跨媒體智能。

對于智能機器來說，上述的信息處理流程是在多元異構(gòu)的大數(shù)據(jù)里進行信息的分析、識別、檢索和推理。實現(xiàn)這套流程需要依賴大量的人工智能技術(shù)、互聯(lián)網(wǎng)技術(shù)，以及先進硬件和系統(tǒng)的支持。清華大學(xué)在這方面做了深入的研究，清華大學(xué)電子系媒體大數(shù)據(jù)中心的人像態(tài)勢識別技術(shù)，將人的像態(tài)、形態(tài)、神態(tài)、意態(tài)信息，通過AI算法進行分析和提取；圖像描述算法是機器自動對圖像生成描述文字，既可以實現(xiàn)圖像與文本信息之間的推理，又能改變圖像的存儲方式；數(shù)據(jù)服務(wù)平臺技術(shù)則是支持數(shù)據(jù)存儲管理、推理演示、搜索引擎、行業(yè)技能知識存儲等功能；新型感知芯片是研究模擬生物皮膚的高靈敏度觸覺感知器件和芯片，構(gòu)建高精度的觸覺傳感器和電子皮等技術(shù)。而這些基于AI及大數(shù)據(jù)技術(shù)，都是跨媒體智能的基礎(chǔ)。

基于這些技術(shù)的支持，跨媒體智能不僅僅是讓智能機器擁有更多的感官能力，更是打破這些能力之間的物理隔離，讓信息在更高維度層面進行融合和復(fù)用，真正讓機器的感官能力“動起來”。

目前，跨媒體智能在行業(yè)內(nèi)也有著比較典型的應(yīng)用。落地在粵港澳大灣區(qū)的紫為云·清華AI使能平臺，正是依托清華AI技術(shù)，成功推出多種跨媒體智能技術(shù)。平臺的大規(guī)模動態(tài)人員聚類系統(tǒng)，可簡單理解為在海量圖像視頻數(shù)據(jù)中，提取人臉、人體、時間以及位置等信息，將這些信息進行融合關(guān)聯(lián)，能夠把側(cè)對攝像頭、佩戴口罩和頭盔、背光，以及低頭等復(fù)雜情況下的人員進行識別，實現(xiàn)在開放環(huán)境中的身份確認和檢索。交通違章廢片智能過濾系統(tǒng)，是對交通場景中違章駕駛的抓拍照片或視頻，進行人車物的定位識別和檢索，匯集車輛、車牌、駕駛員、紅綠燈、地標(biāo)、路標(biāo)、路樁、車道線、路況信息，以及地域性規(guī)則等信息，將這些交通信息進行融合后，根據(jù)交通法律法規(guī)進行推理，判斷車輛是否違章，輔助交警治理交通安全。

隨著這些跨媒體智能技術(shù)的應(yīng)用落地，科技正從方方面面改變著人們的生活。而當(dāng)下產(chǎn)學(xué)研各界也正致力于跨媒體智能技術(shù)的研究和突破，逐步打磨高維度與多維度的算法融合，著力實現(xiàn)類腦機器人的核心算法技術(shù)簇，將讓公眾享受更智能、更便捷和更安全的智能服務(wù)。