人工智能會(huì)看漫畫(huà)了 但與人類(lèi)差距明顯 —— 文章正文2016-11-25

雨潤(rùn)華科技科技訊 據(jù)外媒報(bào)道，最新一項(xiàng)研究結(jié)果顯示，雖然人工智能(AI)在許多方面的表現(xiàn)足以取代人類(lèi)，但至少在看漫畫(huà)書(shū)這方面與人類(lèi)還相去甚遠(yuǎn)。

當(dāng)前，人工智能在許多方面的表現(xiàn)都在趕超人類(lèi)，甚至已經(jīng)超越人類(lèi)，如面部識(shí)別、物體識(shí)別、象棋、圍棋、視頻游戲，以及許多其他方面任務(wù)。

人們不禁要問(wèn)：人工智能在哪些方面不如人類(lèi)呢？或者說(shuō)，至少目前還難以超越人類(lèi)呢？得益于馬里蘭大學(xué)帕克分校(UMCP)的一項(xiàng)研究，我們似乎找到了答案。

近期，馬里蘭大學(xué)教授墨希特 艾耶爾(Mohit Iyyer)及其同事對(duì)人工智能理解漫畫(huà)書(shū)的能力進(jìn)行了測(cè)試。結(jié)果顯示，人工智能在這方面能力遠(yuǎn)不及人類(lèi)。

眾所周知，漫畫(huà)是由一系列的圖片構(gòu)成的，同時(shí)還配以文本加以注釋。文本和圖片配合地如此之緊密，以致于單獨(dú)看圖片、或者單獨(dú)看文本，很難理解其中的寓意。

而且，根據(jù)創(chuàng)作者的不同，不同的漫畫(huà)之間的繪畫(huà)風(fēng)格、語(yǔ)言風(fēng)格和排版風(fēng)格都存在很大的差異。更重要的是，與視頻不同，漫畫(huà)的不同畫(huà)格(圖片)之間的時(shí)間和空間是不連貫的，中間的過(guò)渡情節(jié)往往需要讀者去想象。

艾耶爾的測(cè)試結(jié)果顯示，這種在人類(lèi)看來(lái)是自然而然的能力，對(duì)于人工智能來(lái)說(shuō)卻是難于登天。

為了了解人工智能理解漫畫(huà)情節(jié)的能力如何，艾耶爾及其同事首先利用4000本高質(zhì)量漫畫(huà)書(shū)構(gòu)建了一個(gè)由120萬(wàn)張漫畫(huà)畫(huà)格(圖片)組成的數(shù)據(jù)集，其中每張畫(huà)格還配備有相應(yīng)的文本對(duì)話(huà)框轉(zhuǎn)錄數(shù)據(jù)，使得整體的數(shù)據(jù)集體積達(dá)到了 120GB。出于版權(quán)方面的考慮，這些數(shù)據(jù)集全部來(lái)自20世紀(jì)30年代至50年代的漫畫(huà)作品。

為了測(cè)試人工智能理解漫畫(huà)的能力，研究人員設(shè)計(jì)了讓人工智能程序根據(jù)之前見(jiàn)過(guò)的畫(huà)面預(yù)測(cè)下一個(gè)畫(huà)格的實(shí)驗(yàn)。首先，要讓人工智能學(xué)習(xí)漫畫(huà)的操作過(guò)程。研究小組將漫畫(huà)中的一個(gè)畫(huà)格及其文本投給不同的機(jī)器算法，讓它們學(xué)習(xí)一組漫畫(huà)中的每個(gè)畫(huà)格之間是如何相互連接的。

經(jīng)過(guò)訓(xùn)練之后，研究人員使用一組人工智能之前沒(méi)有見(jiàn)過(guò)的漫畫(huà)(由多張圖片組成)對(duì)人工智能機(jī)器進(jìn)行測(cè)試，并要求它們預(yù)測(cè)出下一張圖像、或后面的文本內(nèi)容。

其結(jié)果令人大跌眼鏡，人類(lèi)預(yù)測(cè)漫畫(huà)的下一個(gè)情節(jié)或內(nèi)容的正確率可達(dá)到 80%，但人工智能的準(zhǔn)確度卻難以接近人類(lèi)的水平。艾耶爾稱(chēng)：“在該測(cè)試中，人工智能在任何一方面的表現(xiàn)都不及人類(lèi)?！?/p>

其實(shí)，該結(jié)果也不是特別令人意外。雖然機(jī)器學(xué)習(xí)在圖像和文本識(shí)別方面取得了顯著進(jìn)步，但仍缺乏人類(lèi)大腦所具備的常識(shí)和邏輯能力。因此，在理解漫畫(huà)方面人類(lèi)仍更勝一籌，或者說(shuō)至少目前如此。(編譯/譚燃)