人工智能的發(fā)展

自1956年"人工智能"這個(gè)概念在第一次人工智能研討會(huì)上被麥肯錫提出以來，人工智能已經(jīng)走過了63個(gè)春秋，在這期間，人工智能經(jīng)歷過繁榮的黃金時(shí)代，也經(jīng)歷過低谷。直到1997年，電腦深藍(lán)戰(zhàn)勝國際象棋冠軍卡斯帕羅夫，成為首個(gè)在標(biāo)準(zhǔn)比賽時(shí)限內(nèi)擊敗國際象棋世界冠軍的電腦系統(tǒng)，以此為時(shí)間點(diǎn)，人工智能迎來了真正的春天。

深藍(lán)機(jī)器人

現(xiàn)如今人工智能領(lǐng)域真正的明星是深度學(xué)習(xí)，深度學(xué)習(xí)由Hinton提出，但很長時(shí)間以來沒有得到足夠多的重視，2012年Hinton和他的學(xué)生Alex所設(shè)計(jì)的卷積神經(jīng)網(wǎng)絡(luò)AlexNet在ImageNet競賽中獲得冠軍，從此開創(chuàng)了深度神經(jīng)網(wǎng)絡(luò)空前的高潮。

AlexNet

2016年3月15日，Google人工智能AlphaGo與圍棋世界冠軍李世石的人機(jī)大戰(zhàn)最后一場落下帷幕。經(jīng)過5場的搏殺，最終李世石與AlphaGo總比分定格在1：4。這一次人機(jī)大戰(zhàn)讓人工智能正式被世人所熟知，從這開始，人工智能開始了新一輪的爆發(fā)。

AlphaGo

計(jì)算機(jī)視覺

在過去的幾年里，深度學(xué)習(xí)技術(shù)被應(yīng)用到了數(shù)以百計(jì)的實(shí)際問題中。諸多案例也已經(jīng)證明，深度學(xué)習(xí)能讓工作比之前做得更好。深度學(xué)習(xí)廣泛應(yīng)用于自然語言處理，人機(jī)對話以及計(jì)算機(jī)視覺。尤其在計(jì)算機(jī)視覺領(lǐng)域，深度學(xué)習(xí)技術(shù)被廣泛應(yīng)用。在技術(shù)層面上，計(jì)算機(jī)視覺的應(yīng)用在整個(gè)人工智能應(yīng)用領(lǐng)域中占比34.9％，已成為各行業(yè)發(fā)展的重要支撐。

計(jì)算機(jī)視覺

計(jì)算機(jī)視覺我們可以簡單的理解為通過算法模型來給機(jī)器裝上眼睛，就像我們?nèi)祟愐粯涌梢岳斫鈭D像，對圖像數(shù)據(jù)可以進(jìn)行識(shí)別和分類處理，讓計(jì)算機(jī)能夠感知周圍的環(huán)境。不難想象，具有視覺的機(jī)器的應(yīng)用前景能有多么地寬廣。

計(jì)算機(jī)視覺發(fā)展的四個(gè)階段

計(jì)算機(jī)視覺經(jīng)過多年的發(fā)展，總體來說主要經(jīng)歷了四個(gè)階段。即：馬爾計(jì)算機(jī)視覺、主動(dòng)和目的視覺、多層幾何與分層三維重建和基于學(xué)習(xí)的視覺。

其中基于學(xué)習(xí)的視覺技術(shù)就是當(dāng)下最火熱的在深度學(xué)習(xí)支持下的計(jì)算機(jī)視覺技術(shù)。隨著數(shù)據(jù)的增長以及計(jì)算能力的提高，深度神經(jīng)網(wǎng)絡(luò)中數(shù)據(jù)缺少，難以訓(xùn)練的問題，在逐步解決，深度學(xué)習(xí)技術(shù)在圖片分類、人臉識(shí)別等領(lǐng)域已經(jīng)具有極大的優(yōu)勢?？梢哉f目前來看，深度學(xué)習(xí)中發(fā)展最快且最成熟的領(lǐng)域就是計(jì)算機(jī)視覺。

深度學(xué)習(xí)模型卷積神經(jīng)網(wǎng)絡(luò)（CNN），是一類包含計(jì)算且具有深度結(jié)構(gòu)的，它受到動(dòng)物視覺皮層同時(shí)使用簡單和復(fù)雜的腦細(xì)胞處理圖像的啟發(fā)，卷積神經(jīng)網(wǎng)絡(luò)是利用多層神經(jīng)元疊加來識(shí)別和區(qū)別不同的模式，是深度學(xué)習(xí)的代表算法之一。

卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)模型想比于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)來說，它擁有局部連接和權(quán)值共享的特性，使得它能夠最大限度的解決模型參數(shù)過多，難以訓(xùn)練的問題，卷積神經(jīng)網(wǎng)絡(luò)模型廣泛應(yīng)用于計(jì)算機(jī)視覺領(lǐng)域，是核心算法模型之一。

計(jì)算機(jī)視覺的應(yīng)用

目前，計(jì)算機(jī)視覺在圖像識(shí)別和人臉識(shí)別兩大領(lǐng)域都已經(jīng)取得了較高的準(zhǔn)確率，在其它方面，比如人體行為檢測，無人駕駛等等也有了很大的發(fā)展。計(jì)算機(jī)視覺技術(shù)已經(jīng)得到了廣泛的應(yīng)用，并逐漸開始改變世界?？梢灶A(yù)料到，計(jì)算機(jī)視覺已經(jīng)到了一個(gè)爆發(fā)的時(shí)代，正在帶動(dòng)全球新一輪的市場熱潮。

人臉識(shí)別是人工智能視覺與圖像領(lǐng)域中最熱門的應(yīng)用。現(xiàn)如今很多智能手機(jī)或者安檢口都配備了人臉識(shí)別功能，只要人臉經(jīng)過攝像頭，就會(huì)被識(shí)別出自身的身份，然后與數(shù)據(jù)庫信息進(jìn)行匹配從而做出相應(yīng)的決策。只需要刷臉就可以完成一切信息的認(rèn)證，該技術(shù)已具備大規(guī)模商用的條件。

人臉識(shí)別

目標(biāo)檢測是指利用圖像處理的理論和方法，檢測出圖像中存在的目標(biāo)對象，確定這些目標(biāo)對象的類別，并標(biāo)定出目標(biāo)對象在圖像中的位置。目標(biāo)檢測是目標(biāo)識(shí)別的前提，只有檢測到目標(biāo)才能對目標(biāo)進(jìn)行識(shí)別

目標(biāo)檢測

文字識(shí)別，通過攝像頭掃描，可以將圖片中的文字轉(zhuǎn)化為文本文字，快速而準(zhǔn)確的識(shí)別圖片中的所有文字信息，返回文字框位置與文字內(nèi)容，這個(gè)也是計(jì)算機(jī)視覺最快被應(yīng)用的領(lǐng)域之一。

文字識(shí)別

自動(dòng)駕駛，隨著汽車的普及，汽車已經(jīng)成為人工智能技術(shù)非常大的應(yīng)用投放方向，汽車的駕駛輔助的功能及應(yīng)用越來越多，這些應(yīng)用多半是基于計(jì)算機(jī)視覺和圖像處理技術(shù)來實(shí)現(xiàn)。無人駕駛技術(shù)已經(jīng)不是遙不可及的目標(biāo)，現(xiàn)如今有眾多初創(chuàng)企業(yè)已經(jīng)在朝著L4級別的自動(dòng)駕駛技術(shù)發(fā)展，相信在不愿的未來，汽車將會(huì)成為真正意義的代步工具。

自動(dòng)駕駛

計(jì)算機(jī)視覺的未來

計(jì)算機(jī)視覺需要依靠強(qiáng)大的計(jì)算能力和大量標(biāo)注數(shù)據(jù)的支持，雖然現(xiàn)在是大數(shù)據(jù)時(shí)代，但從數(shù)據(jù)的角度來看，在計(jì)算機(jī)視覺領(lǐng)域，數(shù)據(jù)還往往不夠。很多計(jì)算機(jī)視覺模型可能在某一領(lǐng)域效果出色，但是當(dāng)其應(yīng)用到另外一個(gè)領(lǐng)域的時(shí)候往往效果不盡如人意。但這并不意味著計(jì)算機(jī)視覺不行，隨著人工智能的發(fā)展以及數(shù)據(jù)的積累，未來，計(jì)算機(jī)視覺可能會(huì)出現(xiàn)真正像人一樣可以同時(shí)完成多項(xiàng)任務(wù)的能力，不同領(lǐng)域之間可以自由切換，達(dá)到真正的智能視覺。