拍照就能识别万物，AI是怎样看“懂”图片的？

接待来到科普中国超越推出的寒假宏构栏目“给孩子的高新科技课”！

东谈主工智能看成现在最前沿的科技之一，正在以令东谈主咋舌的速率转换着咱们的生计。从智能语音助手到无东谈主驾驶汽车，从 AI 绘制到机器学习，它为咱们洞开了一个充满无尽可能的翌日。本栏目将以下里巴人的方法，用视频和翰墨给孩子论说东谈主工智能的旨趣、专揽偏激对社会的深切影响。

快跟咱们统统开启这场 AI 之旅吧！

以下为翰墨版块：

生计中，AI 图像识别无处不在。

看到不顽强的植物？拍张像片，分分钟就能找到谜底。自动驾驶汽车也好像长了眼睛雷同，能减轻驰松判断出，那儿是谈路，那儿是树木。东谈主脸识别技艺，也让咱们终显然刷脸支付。

而这一切，齐离不开一项技艺——卷积神经网罗。这项技艺，就像 AI 的眼睛。

想了解 AI 的眼睛是怎样职责的，咱们先要看一看动物的眼睛是怎样职责的。

从猫眼到 AI 眼：视觉神经元的启示

20 世纪 50 到 60 年代，大卫·休伯尔和托斯坦·威泽尔对猫的视觉进行了商榷，他们发现，在一幅画面插足猫的视线之后，猫大脑中认真视觉的神经元，被不同的东西激活了。

为了浅显认知，咱们看个例子。比如这么一幅画面，有的神经元对画面中物体的边际线条超越感酷爱，会庄重解决这些信息，有的神经元对大块的神采比较敏锐，更擅长解决这些信息。这些神经细胞统统职责，匡助生物识别多样复杂的图像。

埃德加·德加 《去外省的跑马场》（At the Races in the Countryside）1869

这项商榷，让大卫和托斯坦得到了 1981 年诺贝尔生理学或医学奖，也启发了东谈主工智能范围一个超越进犯的算法，卷积神经网罗。

在 1980 年代，日本科学家福岛邦彦议论了一个叫作念 Neocognitron 的模子，用来识别日文手写字符，Neocognitron 中有不同的“层”，用来索要对不同的信息，临了抽象这些信息对识别到的字符进行判断。

这启发了一位叫作念扬·乐昆的法国科学家，扬·乐昆议论出了最早的卷积神经网罗，况且基于卷积神经网罗，栽种了 LeNet 模子。这个模子在那时被许多银行用来识别手写字符。咱们通过一个精真金不怕火的例子，来望望卷积神经网罗是如何职责的。

卷积神经网罗：图像识别的幕后勇士

和神经网罗比较，卷积神经网罗在识别图片的时刻，多了两个流程：卷积和集聚。

卷积，这个流程，是由一个叫卷积核的东西完成的。

一张图片，在筹商机的眼里，其实是一个个像素点构成的矩阵，卷积核不是单独去谈判每一个像素点上的信息，而是同期对某个区域，比如 3×3，5×5 的像素点信息进行解决。这么不错抽象谈判相邻像素点的信息，更好地索要出更高等特征。

你不错设想一下，卷积核就像是一个不雅测员拿着有特定视线的千里镜去看一幅图片，把看到的信息解决记载下来。

而且咱们不错配置有不同侧重心的不雅测员，以索要图片中的不同维度信息。比如，有的不雅测员庄重索要神采信息，有的庄重索要物体边际轮廓信息，有的特意索要某个特定体式的信息。临了抽象这些信息，匡助神经网罗作念出更好的判断。

此外，卷积神经网罗还有一个进犯的要领——集聚（又称池化）。

图顷然时是一个超越大的矩阵，集聚大概把一块区域里的信息压缩成一个信息。假如，对一个 16×16 的矩阵，不错通过集聚的顺次，索要 2×2 格子里神采最深一格的信息，就能把它酿成这么的 8×8 的矩阵。若是再进行一次交流的集聚，就不错把 8×8 的矩阵，酿成 4×4 的矩阵。固然图像集聚后会有一些变化，然则如故保留了统统图像中的基本特征。

卷积和集聚，让卷积神经网罗大概超越好地对图片信息进行索要，关于图像的学习解决效果上有了超越大的晋升。

天然，卷积神经网罗也会使用跟神经网罗雷同的反向传播算法，不销亡据已知放置逆向治疗神经网罗中的参数，以作念出越来越准确的判断。

那么，AI如何转换一些行业的生态？接下来的几迫临，咱们将一同探究。

议论制作

本文为科普中国-创作培育规划作品

出品｜中国科协科普部

监制｜中国科学技艺出书社有限公司、北京中科银河文化传媒有限公司

作家丨北京云御纪文化传播有限公司

审核丨秦曾昌 北京航空航天大学 自动化科学与电气工程学院 副素养

议论丨符想佳

责编丨符想佳

【开首：科普中国】