2
我們在看電影電視劇時，常常遇到看了開頭就知道結(jié)尾的片子。在這種“預(yù)測”行為中，其實我們不自覺地調(diào)取了日常生活中的各種經(jīng)歷和過往，在大腦中閃電般地計算出一個事件發(fā)生的大致概率分布，然后才得出了結(jié)尾的劇情橋段。
可是你有沒有想過機器預(yù)測未來這件事，要怎么實現(xiàn)呢？它們可沒有“生活經(jīng)驗”可談。試想，如果機器具備了預(yù)測未來的能力，世界將會變成什么樣？那時，世界杯、NBA都成了概率計算，美國總統(tǒng)大選也成了數(shù)學游戲，明年會發(fā)生什么問問機器人就知道了，是不是還挺可怕，挺無趣的？不過，目前還不用擔心，當前的技術(shù)水平畢竟還沒有這么先進，但是來自美國麻省理工的幾位大神卻在向著這個方向努力，并且取得了一些成果。
本周，來自麻省理工計算機與人工智能實驗室的研究者們，發(fā)明了一種針對視覺機器人的全新算法，憑借該算法，視覺機器人可以一邊看電視劇一邊告訴主人：男主下面可能要跟女主握手，下面可能擁抱，下面可能kiss，下面可能擊掌歡慶（沒錯，目前只支持這4種行為的預(yù)測）。另一方面，機器人還能根據(jù)當前的圖像預(yù)測5秒之后可能出現(xiàn)什么物體，比如打開冰箱之后5秒，機器人告訴你可能出現(xiàn)一盒牛奶。
談到他們具體是怎么實現(xiàn)該神奇功能時，來自該實驗室的Carl Vondrick博士表示（他同時也是該項研究的領(lǐng)頭人）：人類具有通過自己的歷史經(jīng)驗和教訓預(yù)測未來的能力。我們想證明，通過向視覺機器人輸入大量的YouTube視頻和電視節(jié)目，再經(jīng)過一些列的算法分析和加工，就能讓機器人具備類似我們?nèi)祟惖念A(yù)測能力。
通常的視覺預(yù)測方法大概有如下兩類：一個是單獨分析圖像中的每個像素點，然后計算下一幅圖的像素組成。這種方式其實更像是畫畫，而不是計算機科學，Vondrick博士表示。第二種是預(yù)處理一些圖片，由人工標明哪些是風景，哪些是人物，然后再輸入計算機進行運算，這種方式顯然不適合大數(shù)據(jù)量的預(yù)測，也不適合實際應(yīng)用。
與這兩種方法不同，Vondrick博士的團隊發(fā)明了一種新的算法，據(jù)稱可以實現(xiàn)“視覺表達”。該算法并不是以單獨的像素點為單位，而是以一組像素為單位，進行整幅圖像的預(yù)測。比如具有鼻子、眼睛和嘴巴這些像素點的一組像素，可以視為一張臉，然后用“臉”作為基本的運算單位來進行整圖分析。
此外，團隊還在算法中引入了深度學習，神經(jīng)網(wǎng)絡(luò)系統(tǒng)的算法，通過輸入大量的視頻圖像數(shù)據(jù)，然后讓機器自己分析和學習，類似于AlphaGo那樣整天自己跟自己下棋，這個機器人通過自己一個人整天看片的形式，學習其中人物的各種動作特征，從而達到預(yù)測的能力。
該系統(tǒng)在預(yù)測時是多線程并行工作，然后以類似于“加權(quán)取平均”的形式得到最終結(jié)論。由于目前只支持擁抱、握手、接吻和擊掌四種行為，因此分為四個并行線程，然后系統(tǒng)將四個線程的結(jié)果統(tǒng)一匯總，得到一個最終預(yù)測結(jié)果。比如，三個線程都預(yù)測下面會接吻，第四個預(yù)測是擁抱，則結(jié)果可能就是接吻了。
Vondrick博士說：視頻并不像《選擇你自己的冒險》系列叢書中所寫的那樣，人們能清晰地看到每一種選擇。現(xiàn)實是，未來通常都難以預(yù)測。但是，我覺得能通過團隊的努力，運用數(shù)據(jù)和算法計算出每一種可能的結(jié)局，這也是一件激動人心的事。
讓系統(tǒng)獨自看片達600小時之后，研究人員開始對系統(tǒng)輸入一些新的視頻，并開始訓練和測試。
第一步是讓機器預(yù)測下一秒，視頻里的人物會做什么（當然還是從擁抱、握手、接吻和擊掌這四種選其一）。測試結(jié)果顯示，準確率可以達到43%，這比目前已知的其他算法要提高7%的準確率。
第二步是輸入視頻中的一幀圖像，然后讓機器預(yù)測五秒后會出現(xiàn)什么物體。比如，看到一個人打開微波爐，機器可能預(yù)測5秒后出現(xiàn)一個咖啡杯。測試結(jié)果顯示，這一步的正確率高達73%。
研究者們還請了一些志愿者來做對比測試，發(fā)現(xiàn)人類志愿者的預(yù)測準確率只有71%，還略低于機器算法。
Vondrick博士表示：在人類的社交行為中隱含著許多的細節(jié)，我們希望可以研究這些細節(jié)，預(yù)測更復(fù)雜的人類行為。
雖然現(xiàn)階段來說，該算法的準確度還并沒有達到實際應(yīng)用的水平。但是Vondrick博士表示，該團隊非?？春盟惴ㄎ磥淼陌l(fā)展，他們認為該算法可能被應(yīng)用在諸多的安保領(lǐng)域，例如預(yù)測有人要闖紅燈，然后發(fā)出告警等。
Vondrick博士說：我很好奇如果花費一個人一生的時間，輸入足夠數(shù)量的數(shù)據(jù)到機器里，將會達到怎樣的預(yù)測水平。我們將很可能看到一個在現(xiàn)實生活中真實可用的預(yù)警機器人，那時人類的生活將會發(fā)生怎樣的巨變？
據(jù)稱，該項目得到了美國國家科學基金會和谷歌的資助。
還有一個關(guān)于該算法的視頻介紹請點擊 這里
來源：mit
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
