2.3 计算机视觉的学习方式和未来趋势

“给计算机连上一个摄像头，让计算机描述它看到什么。”这是计算机视觉作为一门学科被提出时就做出的目标。如今还有大量研究人员为这个目标孜孜不倦地工作着。

拿出一张图片，上面有一只猫和一条狗，让一个人去辨识（见图2-12）。无论图片上的猫或狗的形象与种类如何，人类总是能够精确地区分图片上是猫还是狗。把这种带有标注的图片送到神经网络模型中去学习则称为“监督学习”。

虽然在目前看来，在监督学习的计算机视觉领域，深度学习取得了重大成果，但是相对于生物视觉学习和分辨方式的“半监督学习”和“无监督学习”，还有更多重大的内容亟待解决，如视频里物体的运动、行为存在特定规律；在一张图片里，一个动物也是有特定结构的，利用这些视频或图像中特定的结构，可以把一个无监督的问题转化为一个有监督的问题，然后利用有监督学习的方法来学习。这是计算机视觉的学习方式。

MIT给机器“看电视剧”预测人类行为，MIT的人工智能为视频配音，迪士尼研究院可以让AI直接识别视频里正在发生的事。除此之外，计算机视觉还可应用在那些人类能力所限、感觉器官不能及的领域和单调乏味的工作上——在微笑瞬间自动按下快门、帮助汽车驾驶员泊车入位、捕捉身体的姿态与电脑游戏互动、工厂中准确地焊接部件并检查缺陷、帮助仓库分拣商品、离开家时扫地机器人清洁房间、自动将数码照片进行识别分类。

或许将来门禁系统能分辨出带有礼物的朋友，或者手持撬棒即将行窃的歹徒。更奇妙的是，它还能超越人类双眼的感官，用声波、红外线来感知这个世界，观察云层的汹涌起伏来预测天气，监测交通来调整车辆，甚至突破我们的想象，帮助理论物理学家分析超过三维空间中物体的运动。