Ali Eslami

在电影《她》（Her）中，男主角带着安装了“萨曼莎”AI操作系统的手机，穿梭在拥挤的游乐场里。一时兴起，他决定闭上眼睛，让AI萨曼莎来指引他的路线。男主角举着手机，萨曼莎绕过广场上的柱子，完美地指引他避开迎面而来的人群，最终到达目的地。现在，这一梦想有望成为现实。

最近，谷歌旗下的人工智能公司Deepmind在《科学》杂志上发表研究成果，宣布建立一种“Generative Query Network”——生成查询网络，简称GQN。它改变了现有的机器视觉方式。目前的机器视觉在训练时，更多是依赖人类注释的图像数据进行训练，大部分属于监督式学习，而GQN的方法则是让机器进行自我训练，属于无监督机器学习。

在实际生活中，当我们理解一个场景时，要比我们肉眼所见的内容丰富得多：因为我们的大脑会凭借原有的知识，跨越进入视网膜的光线图像去推理和论断隐藏的事物。比如，当你第一次进入一间房间，你会立刻认识到其中放置了哪些物品，以及它们的位置。如果你看到了一个桌子的三个桌腿，一定能够推断出视线遮蔽处，有同样形状、同样颜色的第四条桌腿。即使你无法看到整个房间，但是你仍然可以“脑补”出它整体的布局，或是想象出从另一个角度观察房间的样子。实现AI的实时指路，背后需要克服的正是这样的两個关键能力。首先，AI需要具备以最高效的方式识别周围空间的能力；其次，它还要像人类一样，依靠视线所及的图像想象出整个空间的布局。

对于人类而言，这些视觉和认知能力似乎轻而易举，而对于人工智能来讲意味一项巨大的挑战。……