“過去60年來人工智能研究的一大弱點就是視覺知識研究的不足。這是一片充滿希望、值得探索的‘無人區(qū)’。”2020全球人工智能技術(shù)大會此間在浙江杭州舉行。中國工程院院士潘云鶴在會上稱，視覺知識和多重知識表達研究是發(fā)展新的視覺智能的關(guān)鍵，也是促進人工智能2.0取得重要突破的關(guān)鍵理論與技術(shù)。

2015年，中國工程院專門設(shè)立“中國人工智能2.0發(fā)展戰(zhàn)略研究”重大咨詢項目，其發(fā)展規(guī)劃主要包括大數(shù)據(jù)智能、群體智能、跨媒體智能、人機混合增強智能和自主智能系統(tǒng)等五方面內(nèi)容。

其中，跨媒體智能已經(jīng)興起。潘云鶴表示，在語言、視覺、圖形和聽覺之間達成語義貫通，是實現(xiàn)聯(lián)想、推理、概括的重要關(guān)鍵。

“以視覺知識為例，認知心理學(xué)研究指出，人類記憶的視覺知識要遠多于言語知識。視覺知識因為難以用語言符號表達，曾被統(tǒng)歸為常識。比如看到一只杯子就去拿過來喝水，人類在5歲之前學(xué)到的多為視覺知識。”潘云鶴說。

在他看來，視覺知識的獨特優(yōu)勢是具有形象的綜合生成能力，時空比較能力和形象顯示能力，這些正是字符知識和DNN(深度神經(jīng)網(wǎng)絡(luò))所缺乏的，其能在創(chuàng)造、預(yù)測和人機融合等方面對人工智能新發(fā)展提供新的基礎(chǔ)動力。因此人工智能、計算機圖形學(xué)和計算機視覺這三個領(lǐng)域的研究者特別需要聯(lián)手研究視覺知識。

“我們相信，人工智能2.0沿著研究視覺知識的方向發(fā)展，一定能促進中國科技、經(jīng)濟與社會走向更高質(zhì)量與水平的快速發(fā)展期。”潘云鶴說。