来自加州大学洛杉矶分校Samueli工程学院和斯坦福大学的研究人员展示了一种计算机系统，该系统可以基于人类使用的相同视觉学习方法发现和识别它“看到”的真实世界物体。

该系统是一种称为“计算机视觉”的技术的进步，它使计算机能够读取和识别视觉图像。这是迈向一般人工智能系统的重要一步 - 计算机可以独立学习，直观，基于推理做出决策，并以更人性化的方式与人类互动。尽管当前的AI计算机视觉系统越来越强大和能力，但它们是特定于任务的，这意味着它们识别所看到的内容的能力受到人类训练和编程的程度的限制。

即使是今天最好的计算机视觉系统也只能在看到对象的某些部分后无法创建对象的完整图像 - 并且系统可能会被陌生设置中的对象查看而被欺骗。工程师的目标是使计算机系统具备这些能力 - 就像人类可以理解他们正在看狗一样，即使动物躲在椅子后面，只有爪子和尾巴可见。当然，人类也可以很容易地直觉到狗的头部和身体的其他部位，但这种能力仍然无法避开大多数人工智能系统。

当前的计算机视觉系统不是为了自己学习而设计的。他们必须接受有关学习内容的培训，通常是通过审查成千上万的图像，在这些图像中，他们试图识别的对象都是为其标记的。

当然，计算机也无法解释确定照片中物体代表什么的理由：基于人工智能的系统不像人类那样建立内部图片或学习对象的常识模型。

“美国国家科学院院刊”(Proceedings of the National Academy of Sciences)中描述的工程师的新方法展示了解决这些缺点的方法。

该方法由三个主要步骤组成。首先，系统将图像分成小块，研究人员将其称为“小窗口”。其次，计算机学习这些视图如何组合在一起以形成所讨论的对象。最后，它会查看周围区域中的其他对象，以及有关这些对象的信息是否与描述和识别主要对象相关。

为了帮助新系统“学习”更像人类，工程师决定将其浸入人类生活环境的互联网复制品中。

“幸运的是，互联网提供了两个有助于大脑启发的计算机视觉系统以与人类相同的方式学习的东西，”加州大学洛杉矶分校电气与计算机工程教授和该研究的首席研究员Vwani Roychowdhury说。“一个是丰富的图像和视频，描绘了相同类型的物体。第二个是这些物体从许多角度展示 - 模糊，鸟瞰，近距离 - 它们被放置在不同的环境中。 “

为了开发框架，研究人员从认知心理学和神经科学中汲取了见解。

“从婴儿开始，我们知道什么是什么，因为我们在许多情况下看到了许多例子，”Roychowdhury说。“这种情境学习是我们大脑的一个关键特征，它有助于我们构建强大的对象模型，这些模型是一体化世界观的一部分，其中所有东西都是功能连接的。”

研究人员用大约9,000张图像对系统进行了测试，每张图像都展示了人和其他物体。该平台能够在没有外部指导且没有标记图像的情况下建立人体的详细模型。

工程师们使用摩托车，汽车和飞机的图像进行了类似的测试。在所有情况下，他们的系统表现得更好，或者至少与通过多年培训开发的传统计算机视觉系统一样好。