• 本文來自微信公眾號【AI商業(yè)報道】

高層速讀

關鍵信息：MIT-IBM Watson AI Lab正在利用百萬規(guī)模的動作視頻數(shù)據(jù)集訓練模型，想要教機器識別游泳、關門等動作，該數(shù)據(jù)集叫做Moments in Time，可在其網(wǎng)站上下載使用。

關鍵數(shù)據(jù)：Moments in Time內含了100萬個標注動作的視頻，每個動作類別的視頻數(shù)量均在2000個以上，每段視頻的時間均為3秒。

關鍵意義：教機器識別動作，將是人工智能的下一重大進展。

我們在看視頻時，很容易理解每一段視頻中所描繪的動作，比如一扇打開的門，一本打開的書，一朵盛開的鮮花或是一只正在打哈欠的狗。而計算機模型卻不能識別到物體的「動作」。

這也是MIT-IBM Watson AI Lab正在研究的項目，該實驗室推出了一個百萬規(guī)模的視頻理解數(shù)據(jù)集：Moments in Time。它內含100萬個標注了動作的視頻，如拍手、開門、游泳、降落等，每個動作類別的視頻數(shù)量均在2000個以上，每一段視頻的時間是相同的，均為3秒。

Gutfreund 與麻省理工學院計算機科學與人工智能實驗室的首席研究科學家Aude Oliva，是該項目的負責人，同時，他們也是MIT-IBM Watson AILab的執(zhí)行主任。

Gutfreund 和Aude Oliva正在利用這些視頻片段來推動人工智能的下一重大進展：教機器識別動作。

如何教機器識別動作呢？

一、從動態(tài)的場景中學習

研究人員說，他們的目標是提供深度學習算法，對視覺和聽覺生態(tài)系統(tǒng)進行大量的覆蓋，從而讓模型能夠學習非監(jiān)督方式教授的信息，并推廣到新的情境和任務中。

“當我們不再是嬰兒時，我們環(huán)顧四周可以看到人和物體在移動，我們聽到人們和物體發(fā)出的聲音，我們有很多視覺和聽覺的體驗。人工智能系統(tǒng)也需要以同樣的方式進行學習，并通過動態(tài)視頻來獲取信息。”O(jiān)liva說。

視頻數(shù)據(jù)集中的每一個動作類別都超過2,000個視頻，這些片段使計算機模型能夠更好地了解關于特定行為和事件的多樣性。

Oliva補充道：“該數(shù)據(jù)集可以作為開發(fā)人工智能模型的新挑戰(zhàn)，它可以擴展到人類日常工作的復雜性和抽象推理的水平。不同的事件包括了不同的人物，對象，動物和自然環(huán)境，它們可能在時間上是對稱的。舉個例子，打開意味著以相反的順序關閉。它們可以是暫時的，也可以是持續(xù)的。”

Gutfreund 、Aude Oliva以及MIT和IBM的其他研究人員，經常會在一起討論技術問題，比如如何選擇標注的動作類別、在哪里可以找到合適的視頻，以及如何組合數(shù)組等，如此人工智能系統(tǒng)方可毫無偏見地學習。

該團隊還開發(fā)了機器學習模型，用于擴展數(shù)據(jù)收集。 Oliva說：“我們的合作很好，因為我們有同樣的熱情和相同的目標。”

• 本文來自微信公眾號【AI商業(yè)報道】

二、增強人類智能

該實驗室的一個關鍵目標是開發(fā)人工智能系統(tǒng)，用于解決更復雜的問題，并從強大和持續(xù)的學習中受益。“我們正在尋找新的算法，使其可以從有限的數(shù)據(jù)中學習，以增強人類的智力，”IBM Research首席運營官Sophie V. Vandebroek說。

除了將各自的技術和科學優(yōu)勢結合起來，IBM還為MIT的研究人員帶來了大量資源，未來10年，將投資2.4億美元用于人工智能研發(fā)。根據(jù)研究人員的說法，MIT-IBM對AI的研究是有益的。

IBM對MIT在開發(fā)基于視覺的人工智能系統(tǒng)很感興趣，并稱這是一項新奇的事業(yè)。

現(xiàn)在，二者的合作已經達到了100萬個動作視頻數(shù)據(jù)集，用戶可以訪問他們的網(wǎng)站，下載數(shù)據(jù)集和深度學習模型，用以識別物體動作的研究?！?/p>

到目前為止的定性結果顯示，其模型能夠很好地識別動作額框架和閉合度，但當類別細化或存在背景混亂的情況時，它們會出現(xiàn)問題。Oliva稱，麻省理工學院和IBM研究人員已經提交了一篇文章，描述了在數(shù)據(jù)集上訓練的神經網(wǎng)絡模型的性能，而這個模型本身被共享的觀點深化過的。

Oliva還提到：“IBM研究人員給我們提供了一些想法，讓我們在醫(yī)療保健和體育等領域增加動作的類別，擴大了我們的視野，他們還給了我們關于AI如何從商業(yè)和消費需求中產生影響的想法?！?/p>

Moments in Time數(shù)據(jù)集的第一版是最大的帶有人類注釋的視頻數(shù)據(jù)集，涵蓋了可視的和可聽的短事件。所有數(shù)據(jù)都被標記在339個不同類別中，包括廣泛的常用動詞或者活動標簽。

研究人員打算生成更多具有各種抽象層次的數(shù)據(jù)集，以作為開發(fā)學習算法的基礎，同時讓這些算法可以在事物之間建立類比，通過想象合成新事件，并完成場景解釋。

“換句話說，他們才剛剛開始，”Gutfreund說，“我們希望Moments in Time數(shù)據(jù)集能夠讓模型充分理解視頻中的動作和動態(tài)?！?/p>

• 微信內搜索并關注公眾號[AI商業(yè)報道]，獲得人工智能領域第一手商業(yè)資訊

生成海報

免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。