10月26日消息，機(jī)器人正在看著我們，谷歌在YouTube上發(fā)布了一組視頻，幫助機(jī)器了解人類如何在這個(gè)世界上生存。
“原子視覺動(dòng)作”（AVA）是人們從事日?；顒?dòng)的三秒鐘視頻，比如喝水、拍照、演奏樂器、擁抱、站立或烹飪等。每段視頻都標(biāo)明了人工智能應(yīng)該關(guān)注的人，以及他們的姿勢(shì)描述，還有他們是否與某個(gè)物體或其他人進(jìn)行互動(dòng)。
谷歌最近在一篇博客文章中描述了這個(gè)新的數(shù)據(jù)集，稱：“盡管過去幾年在圖像分類和尋找物體方面取得了令人激動(dòng)的突破，但認(rèn)識(shí)人類行為仍然是一個(gè)巨大的挑戰(zhàn)。這是因?yàn)?，從本質(zhì)上講，動(dòng)作比視頻中的物體更不明確。”
57600個(gè)視頻片段只強(qiáng)調(diào)了80個(gè)動(dòng)作，但卻需要給超過96000人貼上標(biāo)簽。谷歌從流行電影中截取部分片段，強(qiáng)調(diào)它們來自“不同的流派和國(guó)家”。如果一段視頻中有兩個(gè)人，每個(gè)人都被分別標(biāo)記，這樣機(jī)器就可以知道，兩個(gè)人需要互相握手，或者有時(shí)人們?cè)趽肀r(shí)接吻。
這項(xiàng)技術(shù)將幫助谷歌分析多年的視頻，還能幫助廣告商更好地瞄準(zhǔn)消費(fèi)者，因?yàn)樗麄兏锌赡苡^看視頻。一篇附帶的研究論文稱，谷歌的最終目標(biāo)是教計(jì)算機(jī)社交視覺智能，即“理解人類在做什么，下一步該做什么，以及他們想要達(dá)到什么目標(biāo)。”
微信掃一掃
