历经6年 AI终于在“读图会意〞上超越人类.docx

《历经6年 AI终于在“读图会意〞上超越人类.docx》由会员分享，可在线阅读，更多相关《历经6年 AI终于在“读图会意〞上超越人类.docx（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、历经6年AI终于在“读图会意上超越人类快科技导语：导读：8月12日，国际权威机器视觉问答榜单VQALeaderboard出现关键打破：阿里巴巴达摩院以81.26%的准确率创造了新纪录，让AI在“读图会意上超越人类基准。导读：8月12日，国际权威机器视觉问答榜单VQALeaderboard出现关键打破：阿里巴巴达摩院以81.26%的准确率创造了新纪录，让AI在“读图会意上超越人类基准。前不久，在中文语言理解权威评测基准CLUE中，阿里巴巴的AI模型在新闻文本上超越了人类识别准确度。如今“读图会意上，阿里巴巴达摩院在VQA上也超越了人类，这是榜单设立6年来的首次。8月12日，国际权威机器视觉问答榜

2、单VQALeaderboard出现关键打破：阿里巴巴达摩院以81.26%的准确率创造了新纪录，让AI在“读图会意上超越人类基准。继2021年、2018年AI分别在视觉识别及文本理解领域超越人类分数后，人工智能在多模态技术领域也迎来一大进展。“诗是无形画，画是有形诗。宋代诗人张舜民曾描绘语言与视觉的相通之处。“读图会意，即通过视觉理解信息，是人类的一项根底才能，但对AI来讲却是要求极高的认知任务。解决该挑战，对研发通用人工智能有重要意义。近10年来，AI在下棋、视觉、文本理解等单模态技能上突飞猛进，但在涉及视觉-文本跨模态理解的高阶认知任务上，AI过去始终未到达人类程度。为攻克这一难题而设立的挑

3、战赛VQAChallenge，自2021年起先后于全球计算机视觉顶会ICCV及CVPR举办，吸引了包括微软、Facebook、斯坦福大学、阿里巴巴、百度等诸多顶尖机构踊跃介入，并形成了国际上规模最大、认可度最高的VQA(VisualQuestionAnswering)数据集，其包含超20万张真实照片、110万道考题。VQA是AI领域难度最高的挑战之一。在测试中，AI需根据给定图片及自然语言问题生成正确的自然语言答复。这意味着单个AI模型需交融复杂的计算机视觉及自然语言技术：首先对所有图像信息进展扫描，再结合对文本问题的理解，利用多模态技术学习图文的关联性、精准定位相关图像信息，最后根据常识及推

4、理回答下列问题。今年6月，阿里达摩院在VQA2021Challenge的55支提交队伍中夺冠，成绩领先第二名约1个百分点、去年冠军3.4个百分点。两个月后，达摩院再次以81.26%的准确率创造VQALeaderboard全球纪录，首次超越人类基准线80.83%。VQA的核心难点在于对多模态信息进展结合推理认知，即在统一模型里做不同模态的语义映射和对齐。据解析，达摩院NLP及视觉团队对AI视觉-文本推理体系进展了系统性的设计，交融了大量算法创新，包括多样性的视觉特征表示、多模态预训练模型、自适应的跨模态语义交融和对齐技术、知识驱动的多技能AI集成等，让AI“读图会意程度上了一个新台阶。VQA技术拥有广阔的应用场景，可用于图文浏览、跨模态搜索、盲人视觉问答、医疗问诊、智能驾驶等领域，或者将变革人机交互方式。报道显示，这不是阿里达摩院第一次在AI关键领域超越人类基准。2018年，达摩院曾在斯坦福SQuAD挑战赛中历史性地让机器浏览理解首次超越人类，引发海外媒体关注。今年以来，达摩院在AI底层技术领域动作频频，先后发布了中国科技公司中首个超大规模多模态预训练模型M6及首个超大规模中文语言模型PLUG，并开源了历经3年打造的深度语言模型体系AliceMind(sgithub/alibaba/AliceMind)，其曾登顶GLUE等六大国际权威NLP榜单。0