圖｜人工智能部分應(yīng)用場(chǎng)景（來(lái)源：Pixabay）
然而，上述應(yīng)用更加傾向于執(zhí)行，離真正“智”的層面還有一定的距離，以及需要技術(shù)進(jìn)一步突破。就像辦工桌上放著一臺(tái)電腦和兩部手機(jī)，機(jī)器人無(wú)法對(duì)這三個(gè)物體之間的位置關(guān)系進(jìn)行描述。
當(dāng)人類看到同樣的場(chǎng)景時(shí)，則可以定性地講出他們之間的位置關(guān)系，比如在桌子的中間放著一臺(tái)電腦，其中一部手機(jī)在電腦的左邊，另一部在電腦的前邊。
人工智能機(jī)器人與人類看到的同樣的場(chǎng)景不同的表達(dá)，本質(zhì)區(qū)別在于，無(wú)法理解兩個(gè)甚至多個(gè)物體之間存在的糾纏關(guān)系，這也是為什么很多深度學(xué)習(xí)的人工智能機(jī)器人“看不懂”物質(zhì)世界的原因。
如果對(duì)物質(zhì)與物質(zhì)之間的糾纏關(guān)系不了解，就無(wú)法真正做到智能，例如幫廚機(jī)器人很難執(zhí)行“將醬油放電磁爐的一邊，然后再將醋拿起來(lái)放到另一邊”之類的命令。
為了解決人工智能機(jī)器這一應(yīng)用難題，麻省理工學(xué)院（Massachusetts Institute of Technology，MIT）科學(xué)家研發(fā)了一個(gè)模型，可以幫助機(jī)器理解部分場(chǎng)景中物體與物體之間的潛在關(guān)系。
圖｜物體場(chǎng)景關(guān)系理解（來(lái)源：麻省理工學(xué)院官網(wǎng)）
該團(tuán)隊(duì)所研究的模型每次可以表達(dá)一個(gè)單獨(dú)的關(guān)系，然后將每次的表達(dá)結(jié)合起來(lái)對(duì)整個(gè)場(chǎng)景進(jìn)行描述，進(jìn)而使得這個(gè)模型可以從文字表述中生成更加精準(zhǔn)的圖像，相當(dāng)于在所描述場(chǎng)景中對(duì)不同關(guān)系的多個(gè)單一關(guān)系進(jìn)行排列組合。簡(jiǎn)單來(lái)說(shuō)，該團(tuán)對(duì)制備的新模型可以像人類一樣與周圍環(huán)境中的物體進(jìn)行互動(dòng)。
該研究在未來(lái)工業(yè)機(jī)器人領(lǐng)域具有非常廣泛的應(yīng)用前景，尤其是針對(duì)步驟多、操作復(fù)雜的任務(wù)。
譬如，大型制造業(yè)工場(chǎng)中存放的器件或者設(shè)備組裝。值得關(guān)注的是，該模型還可以使機(jī)器能夠像人類一樣，從各類場(chǎng)景中學(xué)習(xí)并且與周圍環(huán)境進(jìn)行有效互動(dòng)。
機(jī)器學(xué)習(xí)模型可雙向工作
麻省理工學(xué)院電子輸入控制系統(tǒng)計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室博士研究生杜依倫（音譯）表示：“通常，當(dāng)我見(jiàn)到一張桌子時(shí)，不會(huì)說(shuō)在 XYZ 坐標(biāo)系中有一個(gè)物體，這不是我們大腦正常的思維表達(dá)。事實(shí)上，我們是基于物體之間的關(guān)系去理解一個(gè)場(chǎng)景的。”
圖｜杜依倫（音譯）（來(lái)源：麻省理工學(xué)院官網(wǎng)）
杜依倫還表示，如果能開(kāi)發(fā)一種理解物體和物體之間關(guān)系的系統(tǒng)，人們就有可能利用發(fā)明的系統(tǒng)去改變和操縱周圍的環(huán)境。
該團(tuán)隊(duì)開(kāi)發(fā)的系統(tǒng)可以通過(guò)物體，以及物體所關(guān)系的文本描述生成“桌子左邊放置藍(lán)色的凳子，右邊放置紅色沙發(fā)”的場(chǎng)景圖片。
然后，機(jī)器學(xué)習(xí)模型系統(tǒng)將這些文本劃分成兩個(gè)小的部分，對(duì)凳子和沙發(fā)這兩個(gè)單獨(dú)的物體關(guān)系進(jìn)行描述，再對(duì)這兩個(gè)部分進(jìn)行單獨(dú)建模，通過(guò)場(chǎng)景圖像的優(yōu)化將這兩個(gè)關(guān)系組合在一起。
機(jī)器學(xué)習(xí)模型將每段關(guān)系分割成更短的句子，以排列組合的形式對(duì)他們進(jìn)行重組，如此豐富的關(guān)系片段可以對(duì)之前沒(méi)有見(jiàn)過(guò)的場(chǎng)景進(jìn)行描述。
更有趣的是，該機(jī)器學(xué)習(xí)模型還能逆向工作，先生成一幅給定的圖像，再和場(chǎng)景中的物體關(guān)系相互匹配。
機(jī)器學(xué)習(xí)模型還可理解復(fù)雜場(chǎng)景關(guān)系
除了上述一對(duì)一關(guān)系理解，這種機(jī)器學(xué)習(xí)模型還可以理解復(fù)雜場(chǎng)景的關(guān)系，于是該團(tuán)隊(duì)將句子從 1 個(gè)增加到 4 個(gè)。實(shí)驗(yàn)結(jié)果表明，該模型仍然可以對(duì)生成的圖像準(zhǔn)確描述。
為了進(jìn)一步測(cè)試，研究人員還將他們的模型和其他類似的深度學(xué)習(xí)方式系統(tǒng)做了對(duì)比，在每次比賽中，該團(tuán)隊(duì)所發(fā)明的模型，在每個(gè)實(shí)例都比其他基線表現(xiàn)更佳。
圖｜機(jī)器學(xué)習(xí)模型測(cè)試場(chǎng)景（來(lái)源：資料圖）
除此之外，該團(tuán)隊(duì)還驗(yàn)證了機(jī)器學(xué)習(xí)模型生成的圖像和初始場(chǎng)景的描述是否匹配，以最為復(fù)雜的場(chǎng)景關(guān)系為例，參加測(cè)試的人中有 91% 覺(jué)得新模型系統(tǒng)表現(xiàn)效果更佳。
該團(tuán)隊(duì)對(duì)開(kāi)發(fā)的機(jī)器學(xué)習(xí)模型的穩(wěn)定性非常滿意，尤其是陌生場(chǎng)景的描述。該團(tuán)隊(duì)表示：“這是一項(xiàng)非常有前景的開(kāi)發(fā)，因?yàn)樗腿祟惖拇竽X場(chǎng)景描述邏輯類似。我們的模型可以從人類看到的數(shù)個(gè)場(chǎng)景中提煉有效信息，創(chuàng)造無(wú)數(shù)個(gè)不同的組合。”
該機(jī)器學(xué)習(xí)模型有一種可以從更少的數(shù)據(jù)中學(xué)習(xí)、總結(jié)的特性，可以生成更復(fù)雜的場(chǎng)景或圖像。
未來(lái)，該團(tuán)隊(duì)希望將他們的機(jī)器學(xué)習(xí)模型應(yīng)用于機(jī)器人系統(tǒng)中，讓機(jī)器人學(xué)會(huì)從場(chǎng)景中判斷物體之間的關(guān)系，進(jìn)而利用深度學(xué)習(xí)模型操縱地球上空間中的物體。
