似乎能与人交流，做出各种表情，表演的视频席卷络，但已经被研究神经络的专家ya打了假，没错，他实在看不过去，脏话都差点骂出了口。
回到这次的大会，rlffifr的担忧代表了业内很多专家的意见，这从他演讲的题目也可以看出来——“我们如何应对机器人、ai技术过热的时代”。
在另一个与人工智能紧密相关的领域，计算机视觉，专家们也觉得有必要告诉大家，你们眼中的“重大突破”、“吓了”的黑科技，还远没有到，诸如ai统治人类的“世界末日”的时候。
“你也可以说它很蠢”
在大会的计算机视觉专场，来自香港科技大学的权龙教授做了“计算机视觉，识别与三维重建”的演讲。
“人工智能的目的是让计算机去看、去听和去读。图像、语音和文字的理解，这三部分基本构成了我们现在的人工智能。而在人工智能的这些领域中，视觉又是核心，视觉占人类所有感官输入的八0，也是最困难的一部分感知，如果说人工智能是一场革命，那么它将发轫于计算机视觉，而非别的领域。”他说。
而当下的这场人工智能的热潮，也发轫于计算机视觉领域。如今，人工智能似乎要几乎等同于机器学习，等同于深度学习，等同于更专门一点的卷积神经络（简称）。与大众的普遍印象不同，在学者的眼中，引爆人工智能的不是alhag，而是01年的al，卷积神经络卷土重来。al更早的版本要追溯到199八年由ya建立的l。卷积神经络可以认为是改进了的神经络，一种据说是受人脑神经元的连接启发而设计的计算模型。
不过，和今天的受追捧不可，之前的神经络属于几乎无人问津的“冷门”。“那个时代，如果你在论文中提到，估计会直接被拒；但今天你的论文如果不提，就非常难入围（计算机视觉会议）。”权龙说。
利用，研究者不断改进模型设计，在一些识别任务，如图片识别上的错误率，在特定数据集上，已经超过了人类。这种成绩的取得，除了算法层面，权龙认为还要归功于算力的提升（如英伟达gu的更新迭代）以及大量的标准数据（如李飞飞创建的ia）。“如果你能清晰地定义问题，做好数据标定，这个问题基本就解决了。”权龙说。
不过，他提醒说，这种东西还有很大局限，并不是真的聪明，只是记住了很多样本。“你也可以说它很蠢，因为它根本不知道自己在做什么。一切取决于你的标准，如果你把一个东西标注成猫，它就认为这是一只猫，明天你再把它标注成狗，它就认为这是一条狗。”他说。
的优势，在权龙看来，在于端到端，把数据丢给模型就可以了，而且无需像之前需要人工定义，就能学到维数动辄上百万的有结构的视觉特征。他认为，下一步计算机视觉要在识别的基础上，走向三维重建。“我们是活在三维空间里，要做到交互和感知，就必须将世界恢复到三维。”他说。
“人眼基本不会犯这样的低级错误”
确实，除了物体识别（rgi）外，计算机视觉研究还包括了三维重建（rsru），图像重组织（rrgaia）。在这次大会上，同为计算机视觉专家、加州大学伯克利分校的马毅则对深度学习进行了更深刻的反思。
“视觉并不仅仅是找任意一个算法或系统，能对一个数据库中对图像分类、恢复三维几何，或者分割就可以了。而这样的算法和系统的重要性能必须要有保障。首先是对噪声不敏感（issiiv），数字图片识别对的噪声和扰动稳定（sabl）；此外要保证对干扰要稳健或鲁棒（rb），例如戴眼镜，化浓妆也能人脸识别；还有对姿态不变性（ivaria），物体姿态变化、图片变形也不会影响结果。”他说。
如果从这三个要求衡量，他说，现在的物体（人脸）检测以及识别技术并不能在这几方面提供严格的保障，经验验证尚且不充分，更谈不上理论上的严格保障。他在现场展示了最近的两项研究，给听众留下了深刻印象。
其中一项研究[1]涉及人脸的检测，在图片上加了一个很的噪声后，用当前最好的卷积神经络看，就已经检测不出是人脸了，更不用说识别出是谁。
————
官方暗号群：550591，嘿嘿快来一起为《别进游戏》搞戏啊！！现在群里已经几百人，谢谢大家的评论支持，我一定继续努力！不出意外每晚6点到9点间准时更新，感谢大家！！
第四十谈 好生修养中[2/2页]