赫本、紫霞仙子、林黛玉……纵你百变,阿里AI一眼看穿

简介: 化妆术拥有着让人类“改头换面”的神奇力量,遇到人工智能后,依旧奏效吗?

--------点击屏幕右侧或者屏幕底部“+订阅”,关注我,随时分享机器智能最新行业动态及技术干货------------

化妆术,被称作是亚洲“第四大邪术”,拥有着让人类“改头换面”的神奇力量。人类世界里随意横行的“障眼法”,遇到人工智能后,依旧奏效吗?阿里巴巴的图像 AI 团队就曾做过一个实验:

他们邀请了一位仿妆达人通过化妆挑战支付宝的刷脸闸机。精心妆扮之后,她接连成为 “赫本”“紫霞仙子”“林黛玉”,然而这三次“整容”般的化妆术在 AI 面前依然失效了 —— 闸机以 100% 的准确率全部成功识别。

为什么让人类肉眼无法辨别的化妆术在 AI 面前就原形毕露?

image.png

下面让我们细细道来。

不解风情的 AI,天生自带“卸妆水”

原来,这是因为 AI 与人类之间有着完全不同的认知逻辑。

我们都知道计算机使用二进制进行存储和运算,计算机对图片的理解也不例外。人类在大千世界里看到的纷纷扰扰,在计算机的眼里最后都会变成简单的“0”和“1”。

以下面这张美女图为例,计算机以 RGB 通道的方式理解图片,RGB 可以表现 1677 万种颜色,使得 AI 能够直观的感知图片中的细节变化。

1.png

左侧为实体照片,右图为 AI 编码后的图像,AI 真乃灵魂画手是也

接着 AI 会从每个像素开始去理解,不同部位之间的边缘过度和明暗变化等特征,例如发现人的眉眼边界,肤色明暗变换。

image.png

在“灵魂画手”的画笔下,美女一步步失去“美貌”

然后运用统计的方法对低层特征进行组合重绘,形成更高层次的特征,把人脸的某个特质部位或者整张人脸勾勒出来,最后完成快速比对。

6.png

整个过程中,每一步都建立在数字的基础上,每一步AI都像是个“冒得感情”的数学高手。细挑的柳叶眉、性感的大波浪,含羞的咬唇妆……这些人类眼中千姿百态的美,在 AI 看来,也不过在数值大小存在差异的数字而已。

image.png

两张图的比对,颜值爆表的女神和相貌平平的路人,最终 AI 这里并不会有太大区别。

而“化妆术”本质是人类对色彩的灵活运用,并没有改变人类脸部的关键特征,因而很难逃过 AI 的双眼。

这样的一种极简主义的表达,在人类看来不免略显残酷。然而就是在这样简单直接的理解之上,科学家们所设计的深度学习模型在识别率上才得以超越人类。

2.png

在应用领域,阿里巴巴研发的图像 AI ——拍立淘,目前已经可以识别超过 100 万种实体,建成了世界最大的商品图搜系统。

也许有人会诧异,别说 100 万种实体,就算是 1 万种,记忆高手也很难记全,AI 又是如何做到的?

3.png

秘诀在于 AI 有着人类难以望其项背的三大能力:

  1. 更广泛的认知来源。一般来说,人类只能通过周围环境和社交活动来获得新的认知,而通过大规模学习标注好的数据,AI 可以识别越来越多的实体,并且 “看”得越多,AI 识别得越好。
  2. 更细致的认知能力。除非长时间观看,人类很难关注到单张图片的每个细节信息。而 AI 不会错过任何一个细节:每个像素点都会被平等地对待,每个像素点都得到相同的处理过程,每个像素点之间都会用相同的方法用于特征提取,最终形成一套可以被快速复制,支持高并发的实体识别系统。
  3. 更敏捷的认知迭代。AI 能够不断根据新的数据调整自己,纠正已有偏差的参数,做到在整体所有图片上最好的识别效果。例如阿里的图像 AI,就建成了可以支持以支持数十亿图片分类训练的超大平台。凭借集群化的大规模训练,AI 甚至可以做到一日之内看完普通人类数十年内看到的景象。

这样循环往复的训练下,AI 识别的实体数就能够超出人类的认知范围。

image.png

用了 60 年,AI 才学会人类与生俱来的“天赋”

AI 的这种能力不是生来就有的,甚至在计算机诞生之初,都不具备视觉功能。

对人类而言,“认人”似乎是与生俱来的本能:刚出生几天的婴儿就能模仿父母的表情,我们可以毫不费力地从照片中找到熟悉的面孔,即便是暗淡灯光下,我们仍能认出楼梯末端的朋友;

这让我们甚至难以意识到这是亿万年来进化而来的神奇能力:只凭极少细节就分辨彼此。

然而,计算机并没有几亿年的演化时间教它辨别色彩、轮廓和形状等特征。“认人识物”这项对人类而言轻而易举的能力,对计算机而言却是步步维艰。

世界上第一台照相机出现在 1839 年,在计算机诞生的 20 世级 40 年代,照相机已经成为了一种大众技术。但让计算机和照相机实现真正意义上的交融,却让人类科学家付出了 10 年努力。

中间的鸿沟在于把图片翻译成计算机能理解的语言。直至 1959 年,计算机终于第一次“解码”了来自人类世界里的图像,美国科学家 Russell 研制了一台灰度处理器,可以把图片信息为二进制机器所理解的语言。

要让AI真正完成认知上的超越,仅给机器装上“眼睛”是不够的,还要赋予AI像人类一样的大脑。

这项工作的重大进展来自神经生物学的启发。1981 年,神经生物学家大卫·休伯尔和托斯坦·维厄瑟尔发现人类视觉系统是一个分级的结构,人工智能科学家可以仿照人类大脑的认知结构,以人造神经元作为神经细胞,用不同方式连接的神经元代替不同的视皮层区域,以此赋予 AI 像人类一样的思考能力。

4.png

世界上第一款现代意义上卷神经网络的发明者 Lecun,并成功教计算机识别出数字

神经网络的发明,推动了视觉 AI 在 2012 年完成了革命性的突破。这年,搭载神经网络的 AI ImageNet 大规模视觉识别竞赛(ILSVRC)上一骑绝尘,首次在识别准确率上完成了对人类的超越。

至此,人类给计算机装上的这双“眼睛”终于有了媲美人类认知的能力,但识别万物只是计算机 AI 发展的第一阶段。

从“看见”到“看懂”,我们在路上

对于我们人类而言,视觉不仅仅是为了看见,而是为了对看见的事物做出反应,更好地理解这个世界。因此,阿里科学家的也希望能够赋予计算机这样的能力。

image.png

视觉对话技术有望帮助视障人士再造一双 AI 眼,通过提问阿里 AI,盲人可以随时了解自身所处的周围环境

阿里图像 AI 正在加大投入对视觉对话方向的研究,这项技术需要综合集成图像识别、关系推理与自然语言理解三大能力。

它要求 AI 不仅能够有效识别图片里的实体以及它们之间的关系,还要推理出图片所描述的事件内容,同时顺畅与人类讨论,最终推动 AI 拥有对真实视觉世界的理解与推断能力。

前不久,谷歌运用 1000 块 TPU 重建了完整果蝇大脑神经图,整整 40 万亿像素,这是目前 AI 在神经元研究上的最新进步。

果蝇被作为试验动物,它的大脑神经元为 10 万个,而人类大脑的中的神经元多达 1000 亿个。在人类的大脑面前,目前的 AI 还只像个孩子。

回顾计算机视觉技术的重要突破,都来自于人类将自身能力成功的“复制”给了 AI。人类越了解自身,就越能创造出更高级的 AI。最终在 AI 强大的进化能力下,也会帮助人类扩展出新的认知。

image.png

原文链接:
https://mp.weixin.qq.com/s/Kah7RMHkW5WQRsDAZxbesw

目录
相关文章
|
27天前
|
消息中间件 人工智能 运维
|
2月前
|
人工智能 前端开发 Java
【实操】Spring Cloud Alibaba AI,阿里AI这不得玩一下(含前后端源码)
本文介绍了如何使用 **Spring Cloud Alibaba AI** 构建基于 Spring Boot 和 uni-app 的聊天机器人应用。主要内容包括:Spring Cloud Alibaba AI 的概念与功能,使用前的准备工作(如 JDK 17+、Spring Boot 3.0+ 及通义 API-KEY),详细实操步骤(涵盖前后端开发工具、组件选择、功能分析及关键代码示例)。最终展示了如何成功实现具备基本聊天功能的 AI 应用,帮助读者快速搭建智能聊天系统并探索更多高级功能。
731 2
【实操】Spring Cloud Alibaba AI,阿里AI这不得玩一下(含前后端源码)
|
14天前
|
人工智能 前端开发 Java
Spring Cloud Alibaba AI,阿里AI这不得玩一下
🏀闪亮主角: 大家好,我是JavaDog程序狗。今天分享Spring Cloud Alibaba AI,基于Spring AI并提供阿里云通义大模型的Java AI应用。本狗用SpringBoot+uniapp+uview2对接Spring Cloud Alibaba AI,带你打造聊天小AI。 📘故事背景: 🎁获取源码: 关注公众号“JavaDog程序狗”,发送“alibaba-ai”即可获取源码。 🎯主要目标:
29 0
|
3月前
|
人工智能 云计算
巴赫:阿里AI技术将巴黎奥运转播带到新高度
巴赫:阿里AI技术将巴黎奥运转播带到新高度
187 7
|
2月前
|
机器学习/深度学习 人工智能 编解码
【机器学习】阿里Qwen-VL:基于FastAPI私有化部署你的第一个AI多模态大模型
【机器学习】阿里Qwen-VL:基于FastAPI私有化部署你的第一个AI多模态大模型
289 0
|
4月前
|
机器学习/深度学习 存储 人工智能
【AI】告别繁琐阅读,阿里通义智文阅读助手带您轻松畅游知识海洋!
阿里通义智文阅读助手是AI驱动的阅读辅助工具,能识别并解析PPT、图片、PDF等文档,提供摘要、关键词提取、语义理解与问答功能。用户可上传图片文件,工具自动识别文字,支持图表识别和全文搜索。此外,它还具有智能问答功能,能回答用户关于文档内容的问题。工具兼容多种文件格式,但有每日使用和存储限制。作者木头左邀请用户体验并期待下次分享。
【AI】告别繁琐阅读,阿里通义智文阅读助手带您轻松畅游知识海洋!
|
3月前
|
人工智能 云计算
|
5月前
|
人工智能 Serverless 异构计算
上海站丨飞天技术沙龙 Serverless + AI 专场开启报名!
"飞天技术沙龙——Serverless 技术实践营"将于2024年5月31日举行,聚焦Serverless在AI中的应用。活动包括演讲、实操,探讨Serverless演进趋势、AI应用开发及降低成本等议题。限额80人,报名审核制,现场还有大奖和证书待您领取。扫描链接<https://summit.aliyun.com/Serverless2024shanghai>报名。
上海站丨飞天技术沙龙 Serverless + AI 专场开启报名!
|
5月前
|
人工智能 图形学
阿里AI模型EMO免费上线通义APP
阿里AI模型EMO免费上线通义APP
701 1
|
5月前
|
人工智能 自然语言处理 搜索推荐
阿里通义千问的这次升级不仅带来了实实在在的利好,也为我们展示了AI技术的巨大潜力和广阔前景
【5月更文挑战第13天】阿里通义千问3月22日升级,开放1000万字长文档处理功能,成为全球处理容量最大的AI应用,超越ChatGPT等。此升级助力用户(如金融分析师、法律人士、科研人员)高效处理文档,提升工作效率,并推动AI在各行业深入应用,加速数字化转型。未来,通义千问可能发展更强大的自然语言处理能力、拓宽应用场景及提供智能个性化推荐,展现AI技术潜力与前景。
306 2

热门文章

最新文章