這可能是第一臺擁有想像力的計算機

讓我們想象一下這樣的場景，一片一望無際的麥田中種著一棵橡樹，以及萬里無云的天空所營造出的一個陽光明媚的午后。當(dāng)大多數(shù)人讀到這句話時，可以很容易就在他們的腦海里想象出這樣的田園景象。這種人類所獨有的能力可以讓你在讀到一個場景的描述后，想象出這樣的場景。不過，這一珍貴的技能可能不再是我們?nèi)祟愃氂械牧恕?/p>

這類在你看來可能想象力遠遠超越了當(dāng)今計算機能力的事情，將由來自日本東京大學(xué)的Hiroharu Kato 和 Tatsuya Harada 所帶來。

最近，他們公布了一臺計算機，它能將一個對物體的描述轉(zhuǎn)換成圖像。這就是對想象力所作出的一個完美定義。

可以肯定的是，這些計算機的想象力還比較簡單，甚至有時十分混亂且沒有任何意義。但不可否認的是，這臺計算機代表著計算機的創(chuàng)造力顯著地向前邁進了一大步。

計算機科學(xué)家長期以來都是利用文字管理來處理圖像，這一方式十分直接，例如：用戶在搜索引擎中輸入一個單詞或一系列單詞，并利用關(guān)鍵詞得到高度相關(guān)的圖像。這并不是因為計算機擁有特殊的能力來理解用戶輸入的關(guān)鍵詞。事實上，通過關(guān)鍵詞來得到結(jié)果的技術(shù)已經(jīng)非常強大，但與此相反，在處理圖像時就無法發(fā)揮出等效的能力。

因此，幾年前計算機科學(xué)家開始將圖像當(dāng)作一系列像素來對待，圖像會被分成一系列的短序列，每個序列對應(yīng)于圖像的一個特定部分。例如，一個短序列可能對應(yīng)于一個杯子的邊緣、皮膚的某個區(qū)域或天空的某部分。

這些短序列對人類可能沒有什么意義，但對計算機而言就能將它們視為關(guān)鍵詞。因此，一臺電腦分析一張圖片就能通過計算序列的數(shù)量以及出現(xiàn)的頻率，就像是通過計算文檔中詞語的出現(xiàn)頻率一樣。計算機科學(xué)家稱這些序列為“視覺關(guān)鍵詞”。

Kato 和 Harada 的方法則是反其道而行，想要鑒于視覺關(guān)鍵詞的分配，而得到原始圖像。這是一個非常困難的技術(shù)問題，雖然視覺關(guān)鍵詞可以描述圖像的一部分，它并不能解釋在圖像中的什么位置。

Kato 和 Harada 用兩種不同的方法來處理這一問題。

• 首先是評估每個視覺關(guān)鍵詞如何和其他視覺關(guān)鍵詞組合在一起。這一過程并非十分簡單，因為視覺關(guān)鍵詞沒有任何明顯的形狀，因此并不能像拼圖一樣適合被組合在一起。

• 第二種方法是評估給定的視覺關(guān)鍵詞應(yīng)該出現(xiàn)在圖象特定部分的可能性。例如，表示天空區(qū)域的視覺關(guān)鍵詞更可能出現(xiàn)在圖像的頂部。

有了以上兩種方法的鋪墊，最后 Kato 和 Harada 會使用自己的方法讓計算機能夠明白人類普通的日常句子，并生成相應(yīng)的圖像。他們會把語句中的每一個單詞轉(zhuǎn)換成視覺關(guān)鍵詞，然后再將關(guān)鍵詞轉(zhuǎn)換成圖像。而把普通的單詞轉(zhuǎn)換成視覺關(guān)鍵詞同樣又是另一個棘手的任務(wù)。

整個項目困難重重，但這是一個充滿希望的開端，并希望能夠開辟一條通往新世代的圖像創(chuàng)建系統(tǒng)之路。

via technologyreview

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。