历经6年 AI终于在“读图会意”上超越人类

2021-08-12 13:51:25来源：快科技关键词：阿里巴巴人工智能阅读量：22900

导读：8月12日，国际权威机器视觉问答榜单VQA Leaderboard出现关键突破：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精确度。现在“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单VQA Leaderboard出现关键突破：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2015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，是人类的一项基础能力，但对AI来说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过去始终未达到人类水平。

　　为攻克这一难题而设立的挑战赛VQA Challenge，自2015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、百度等众多顶尖机构踊跃参与，并形成了国际上规模最大、认可度最高的VQA(Visual Question Answering)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回答。

　　这意味着单个AI模型需融合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行扫描，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，最后根据常识及推理回答问题。

　　今年6月，阿里达摩院在VQA 2021 Challenge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VQA Leaderboard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行联合推理认知，即在统一模型里做不同模态的语义映射和对齐。

　　据了解，达摩院NLP及视觉团队对AI视觉-文本推理体系进行了系统性的设计，融合了大量算法创新，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融合和对齐技术、知识驱动的多技能AI集成等，让AI“读图会意”水平上了一个新台阶。

　　VQA技术拥有广阔的应用场景，可用于图文阅读、跨模态搜索、盲人视觉问答、医疗问诊、智能驾驶等领域，或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阅读理解首次超越人类，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(https://github.com/alibaba/AliceMind)，其曾登顶GLUE等六大国际权威NLP榜单。

　　(原标题：历经6年 AI终于在“读图会意”上超越人类)

上一篇：数据库管理系统：未来真的在云端吗？

下一篇：科学家开发MANiAC微型“机器人” 可在神经系统内输送药物

我要评论

昵称

匿名

文明上网，理性发言。（您还可以输入200个字符)

表情

所有评论仅代表网友意见，与本站立场无关。

全域人工智能之城建设驶入快车道
市科委、中关村管委会，市经济和信息化局，市发展改革委，市政务和数据局，市卫生健康委，北京经开区管委会领导出席，来自各央国企、研究机构，及京内外近500家人工智能上下游生态企业与会。
人工智能中国智造
2025-04-30 09:49:19
AI已经成为人形机器人最大的瓶颈？
在看似繁荣的表象下，行业共识正在逐渐浮现：人工智能(AI)技术的滞后，已成为人形机器人实现真正智能化的最大瓶颈。
人形机器人人工智能
2025-04-28 15:32:08
从“原子”到算法！人工智能领域的“元素周期表”诞生
研究团队发现，处于同一“主族“的算法(如支持向量机与核方法)具有相似的数学内核，而位于相同“周期“的算法(如决策树与随机森林)则共享相近的泛化能力图谱。
人工智能计算机科学
2025-04-27 17:01:21
宾利发布突破性人工智能皮革检测技术
人工智能皮革检测系统并不能完全取代宾利训练有素的工匠的技艺。通过自动化人工检测流程，该系统能够提供最高品质的皮革，工匠们可以用它来打造精致的手工缝制细节。
人工智能皮革检测技术
2025-04-27 14:42:55
早报|深圳大学人工智能学院正式揭牌成立；SK海力士完成96GB CXL内存模块验证
深圳大学人工智能学院正式揭牌成立,学院建设基础学科研究中心和算力平台，与腾讯云共建产业学院；SK海力士宣布，其基于CXL 2.0标准的DDR5 96GB内存模块已通过客户验证......
人工智能内存模块数据传输设备
2025-04-23 10:41:12
宝马押宝人工智能，能赌赢吗？
宝马在电池续航方面也取得了显著进展，宝马第六代动力电池技术搭载大圆柱电芯，能量密度提升至300Wh/kg，支持15分钟内完成80%电量快充。
宝马人工智能
2025-04-16 14:58:14

版权与免责声明：

凡本站注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本站授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：智能制造网”。违反上述声明者，本站将追究其相关法律责任。

本站转载并注明自其它来源（非智能制造网）的作品，目的在于传递更多信息，并不代表本站赞同其观点或和对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、平台或个人从本站转载时，必须保留本站注明的作品第一来源，并自负版权等法律责任。如擅自篡改为“稿件来源：智能制造网”，本站将依法追究责任。

鉴于本站稿件来源广泛、数量较多，如涉及作品内容、版权等问题，请与本站联系并提供相关证明材料：联系电话：0571-89719789；邮箱：1271141964@qq.com。