cnBeta
外媒報道稱，谷歌母公司 Alphabet 旗下人工智能子公司 DeepMind 瞭解人類世界的方式，剛剛又前進了一大步。
此前，該公司曾開發過一套教 AI 如何萬視頻遊戲的系統。現在，它可以更好地“看到”並理解空間與環境，由此登上了不少媒體的頭條。
據悉，DeepMind 的科學家們構建了一套人工智能視覺系統，其能夠基於一張 2D 照片，來推斷出一個 3D 場景模型。
【DeepMind 研究科學家 Ali Eslami 教授】
在近日出版的《科學》（Science）期刊上，紮根倫敦的 DeepMind 公佈了這套名為《生成查詢網絡》的新系統的一些細節。
此外，研究人員在官方博客上解釋了"系統是如何從不同的角度拍攝一個場景，並建立 3D 視圖"的：
當下最先進的視覺識別系統，是通過使用大量由人類產生的、帶註釋的圖像來訓練的。
獲取這些數據，是一個相當昂貴且費時的過程，因其需要人們在數據集中的每個場景裡，標記某個對象的方方面面。
結果就是，通常只有總體內容的一小部分場景被捕獲，這就對使用這些數據進行培訓的 AI 視覺系統造成了限制。
【生成查詢網絡（Generative Query Networks）的圖解】
當我們在現實世界中開發更復雜的機器時，我們希望它們能充分了解周圍環境，比如：
最近的表面在哪裡？沙發的材質是哪種？陰影是哪裡的光源產生的？電燈的開關可能在哪裡？
【AI 觀察與神經渲染 - 動圖演示】
與死板的老方法不同，這種方式類似於鼓勵人工智能系統進行想象：
那樣即便沒有相關學習經驗或知識，機器也可以處理很多新鮮事物，甚至用來猜測這個世界。
它們需要被教導如何去想象，而根據其所‘見到’的信息來猜測，似乎是一種不錯的方法。
雖然聽起來有點可怕，但能讓機器學習變得更接近人類的感覺，也算是一項重大的突破了。
【視頻介紹】
《Generative Query Networks》
【視頻地址】
https://v.youku.com/v_show/id_XMzY2Nzc0NTAzNg==.html
