?

潘云鶴

■本報記者 韓揚眉

近年來，圖像識別水平的快速提升推動了人工智能熱潮。圖像識別技術(shù)的突破不僅提高了計算機對人臉、文字、指紋及生物特征、醫(yī)學圖片等識別的準確率，而且進一步推動了安全監(jiān)控、智能交通、無人機、智能制造等多領(lǐng)域的發(fā)展，但其進一步發(fā)展也遇到了諸如可解釋、可分析綜合、可設(shè)計仿真等方面的挑戰(zhàn)。

對此，在《信息與電子工程前沿》上，中國工程院院士、浙江大學教授潘云鶴提出了“視覺知識”概念。他認為，實現(xiàn)視覺知識表達、推理、學習和應(yīng)用技術(shù)將是人工智能2.0取得突破的關(guān)鍵所在。近日，潘云鶴在接受《中國科學報》專訪時，詳細闡述了視覺知識發(fā)展面臨的5個基本問題。

“認知心理學早已指出，心象是人類知識記憶的重要部分，被用來進行形象思維。視覺知識就是計算機對心象的模擬?！迸嗽弃Q指出。

潘云鶴認為，視覺知識表達是第一大問題。與當今人工智能所用的知識表達方式不同，視覺知識概念具有典型與范疇結(jié)構(gòu)、層次結(jié)構(gòu)與動作結(jié)構(gòu)等要素。視覺概念能構(gòu)成視覺命題，包括場景結(jié)構(gòu)與動態(tài)結(jié)構(gòu)；視覺命題能構(gòu)成視覺敘事，例如無聲電影就是視覺敘事的顯示形式。

不同于言語知識，視覺知識的特征是能表達對象的大小、色彩、紋理、空間形狀及關(guān)系；能表達對象的動作、速度及時間關(guān)系；能進行對象的時空變換、操作與推理等。事實上，人類記憶中儲存的視覺知識遠多于言語知識。

視覺識別是第二個問題?！皬娜斯ぶ悄茉缙陂_始，模式識別便是最重要的研究領(lǐng)域，其中圖象和視頻識別是發(fā)展最快的方向。”潘云鶴表示，近年來，深度學習提供的方法是，用大量標識的圖像訓練出深度神經(jīng)網(wǎng)絡(luò)模型用于圖像識別，顯著提高了正確率，已獲廣泛應(yīng)用。

但與深度神經(jīng)網(wǎng)絡(luò)模型方法不盡相同，人類在工作記憶中進行視覺識別時，不僅分析視網(wǎng)膜即時感知后傳入短期記憶中的數(shù)據(jù)，而且激活了長期記憶中過去學到的并記住的相關(guān)心象，即視覺知識。因此，人類在完成視覺識別任務(wù)時往往只需少量數(shù)據(jù)，而且可解釋也可推理。

潘云鶴說，在視覺識別中，協(xié)同使用數(shù)據(jù)和視覺知識，形成數(shù)據(jù)驅(qū)動和視覺知識指導的協(xié)同計算范式是視覺識別的重要研究方向。

第三、四個問題分別是視覺形象思維模擬、視覺知識學習。潘云鶴指出，視覺形象思維模擬在計算機輔助設(shè)計和仿真、計算機動畫、游戲、兒童教育和數(shù)字媒體創(chuàng)意等領(lǐng)域應(yīng)用十分廣泛，計算機圖形學已儲備很多基礎(chǔ)技術(shù)，但有待與人工智能打通。

“視覺知識學習則要將目標從三維（3D）形狀的重建提升到視覺知識概念和命題的重建?！迸嗽弃Q指出，這就需要對現(xiàn)有計算機視覺技術(shù)做進一步研究——不僅要重建3D形狀，而且要重構(gòu)3D形狀的概念結(jié)構(gòu)與層次結(jié)構(gòu)。在此基礎(chǔ)上，有望發(fā)展出視覺知識的自動學習手段。“當前的場景圖研究是向視覺知識自動學習前進的一個合適的中間方法。當今，特別需要人工智能、計算機圖形學和計算機視覺3個領(lǐng)域的研究者聯(lián)手研究?！?/p>

多重知識表達是第五大問題。潘云鶴認為，人腦中的知識往往通過多重表達來描述，因此，人工智能2.0的知識應(yīng)有多種表達方式，包括知識的言語表達、深度神經(jīng)網(wǎng)絡(luò)表達、形象表達等，多重知識表達將形成跨媒體智能和大數(shù)據(jù)智能新的技術(shù)理論和模型。

“視覺知識和多重知識表達的研究是發(fā)展新的視覺智能的關(guān)鍵，也是促進人工智能2.0取得重要突破的關(guān)鍵理論與技術(shù)?！迸嗽弃Q表示，視覺知識的獨特優(yōu)點是具有形象的綜合生成能力、時空演化能力和形象顯示能力。人工智能與計算機視覺、計算機輔助設(shè)計、計算機圖形學技術(shù)聯(lián)合，將為人工智能在創(chuàng)造、預測和人機融合等方面的新發(fā)展提供重要的新基礎(chǔ)、新動力。

“視覺知識是一塊寒濕而肥沃的人工智能的‘北大荒’，也是一塊充滿希望、值得多學科合作勇探的‘無人區(qū)’?！迸嗽弃Q呼吁道。