未來五年消費者使用語音、圖像來表達需求的比例將超過 50%。
百度董事長兼 CEO 李彥宏如是說。單純的文字搜索時代已經漸行漸遠了，如今的搜索引擎，可以直接搜索語音和圖片，這也催生了他們在電子商務中的應用，比如依圖搜索商品。
圖片搜索引擎中，我們較為熟悉的有 Google，上傳圖片或輸入 URL 地址，Google 就會按圖索驥，給你圖片來源、相似圖片等搜索結果。這一切，都基于 Google 復雜的圖像識別算法，對圖像“指紋掃描”，包括像素、顏色，亮度，從而進行圖片的特征提取，繼而找出相似結果。
而 Google 又要在這個領域更進一步了。據《紐約時報》報道，Google 和斯坦福大學的科學家團隊研發了新一代的圖片識別技術：給圖片做文字描述。識別的范圍也不僅僅是圖片，也包括視頻畫面。
目前的圖片識別技術只識別出圖像中的單個物體，而這項新技術識別的是整幅畫面，并進行標記，用自然語言（英語）進行描述。比如，“草原上的大象”、“玩飛盤的年輕人”這樣的字句。圖片被如此“翻譯”過后，就能夠更容易、更準確的分類，在被搜索時能提供更精確的結果。
用“文字搜索”協助“圖片搜索”的好處顯而易見：這項技術也可以幫助視障人士，或者應用在公共監控的安全系統上——監控攝像頭所捕捉到的不僅是“面部”和單個個體，它可以識別整個畫面，包括其中的運動、行為，自動報警。
也就是說，它為機器的認知和自我學習提供了新的技術基礎。研究人員的靈感來自人類大腦的神經元網絡，這個網絡讓大腦可以自我“訓練”，看到新事物時可以發現記憶中相似的事物。Google 要做的就是這樣的一個大腦，可以認知、可以理解圖片的內容。
認知是人類所具備的一種重要的能力，我們的大腦能夠通過認知，也就是綜合大量信息，來確定一個人的身份，一個物品的種類，這是人類智力的基礎。計算機如果能做到這一點并不容易，Google X 曾動用了 1000 臺電腦，一共 16000 顆處理器，創造一個多達 10 億個連接的神經網絡，在 1000 萬張略縮圖中，找到包含“可愛小貓”的圖片。
當然，這項技術最主要的障礙在于識別的準確性，一些圖像識別專家并不看好它，認為它只是復制了人類的視覺能力，反而在理解圖像時更模棱兩可。
盡管如此，讓計算機識別“真相”需要計算機科學開創新的圖形搜索技術。“我認為圖片和視頻中的像素數據是互聯網的暗物質（Dark matter），我們希望照亮它。”項目的領隊、斯坦福大學人工智能實驗室的李飛飛（Fei-Fei Li）說。
京公網安備 11010502049343號