正在阅读：DeepMind新进展：AI视觉系统可看到并理解空间DeepMind新进展：AI视觉系统可看到并理解空间

　　【PConline资讯】外媒报道称，谷歌母公司Alphabet旗下人工智能子公司DeepMind了解人类世界的方式，刚刚又前进了一大步。此前，该公司曾开发过一套教AI如何万视频游戏的系统。现在，它可以更好地“看到”并理解空间与环境，由此登上了不少媒体的头条。据悉，DeepMind的科学家们构建了一套人工智能视觉系统，其能够基于一张2D照片，来推断出一个3D场景模型。

DeepMind研究科学家AliEslami教授

　　在近日出版的《科学》（Science）期刊上，扎根伦敦的DeepMind公布了这套名为《生成查询网络》的新系统的一些细节。

　　此外，研究人员在官方博客上解释了"系统是如何从不同的角度拍摄一个场景，并建立3D视图"的：

　　当下最先进的视觉识别系统，是通过使用大量由人类产生的、带注释的图像来训练的。

　　获取这些数据，是一个相当昂贵且费时的过程，因其需要人们在数据集中的每个场景里，标记某个对象的方方面面。

　　结果就是，通常只有总体内容的一小部分场景被捕获，这就对使用这些数据进行培训的AI视觉系统造成了限制。

生成查询网络（GenerativeQueryNetworks）的图解

　　当我们在现实世界中开发更复杂的机器时，我们希望它们能充分了解周围环境，比如：

　　最近的表面在哪里？沙发的材质是哪种？阴影是哪里的光源产生的？电灯的开关可能在哪里？

AI观察与神经渲染

　　与死板的老方法不同，这种方式类似于鼓励人工智能系统进行想象：

　　那样即便没有相关学习经验或知识，机器也可以处理很多新鲜事物，甚至用来猜测这个世界。

　　它们需要被教导如何去想象，而根据其所‘见到’的信息来猜测，似乎是一种不错的方法。

　　虽然听起来有点可怕，但能让机器学习变得更接近人类的感觉，也算是一项重大的突破了。

GenerativeQueryNetworks

　　在今日发表的一份声明中，论文一作AliEslami博士指出：

　　其中一项研究发现，深度网络实际上能够在没有人类任何调教的情况下，学习诸如透视和光线这类知识。

　　据DeepMind所述，该方法不需要对特定领域的场景内容进行费时费力的工程标记，使得我们可以将相同的模型运用到不同的环境中。

　　尽管在投入实践之前还有许多研究要做，我们仍坚信这项工作已向着‘完全自主的场景理解’迈出了一大步。