本篇文章508字，读完约1分钟
最近，谷歌发布了最新版本的机器学习系统，通过识别图像中的内容并匹配相应的文本，取得了历史上最好的效果。谷歌在tensorflow上展示了这一成就。自2014年以来，谷歌一直致力于这一项目，现在这一算法在描述图像的准确率已经达到93.9%。
因为他们使用的是使用start架构的最新迭代，所以谷歌团队面临的一个大问题是，该算法是否能做的不仅仅是简单地识别图像中的对象。为了真实地解释和描述一张照片，人工智能不仅需要知道照片中的内容，还需要知道图像中这些对象之间的关系。谷歌开发人员表示，这不仅仅是数据的倒退。该算法必须能够自然地理解图像中的对象及其用途。
谷歌研究(Google Research)的博客称:“令人兴奋的是，我们的模型在显示新情况时确实能够产生准确的文章，这表明系统对图像中的目标和背景有更深的理解。”同样重要的是，“它还学会了如何用自然的英语短语来表达知识，尽管它只阅读人类给出的说明，而没有接受其他额外的训练。”
至少目前，与视频相比，机器学习算法可以更好地理解静止图像的内容。
viagoogle研究博客
推荐阅读:
洪小文唯一的解释是:直到人工智能能够自己编程，它才有资格比“路人甲”更聪明
