在 2017 年的 I/O 大會上，Google 發(fā)布了一款能識人又能識物的新產(chǎn)品：

你只需要對著別人的名片一掃，所有信息就能存進(jìn)通訊錄；

你只需要對著景物一掃，就能獲得當(dāng)前景物的所有信息；

當(dāng)你在游覽時，它還能擔(dān)當(dāng)你的隨身翻譯、導(dǎo)游 ……

更重要的是，這款產(chǎn)品打破了智能手機(jī)的檔次局限，無論是高端旗艦還是低端入門，只要搭載的是智能系統(tǒng)，任何手機(jī)都能用得上它。

這個在當(dāng)時有著神仙功能的新品，就是我們在往后兩年 I/O 活動上都能看到的「Google Lens」，如今這個產(chǎn)品經(jīng)過兩年的發(fā)展，它已經(jīng)成為識物工具中的佼佼者。

而隨著今年 Google 在這款工具里加入 AR 和朗讀功能后，有著 124 年歷史的笛洋美術(shù)館（de Young museum）也在近日宣布，將全面支持游客用 Google Lens 游覽展館。

這也是世界上第一家支持 Google Lens 的美術(shù)館 / 博物館。

▲ 圖片來自：Artnews

在笛洋美術(shù)館內(nèi)，游客可以通過 Google Lens 對展品進(jìn)行識別，系統(tǒng)在進(jìn)行識別后會推送當(dāng)前作品的作者、歷史等相關(guān)信息，用戶可以在館內(nèi)通過這個功能自由獲取想了解的內(nèi)容。

而且更有意思的是，除了對作品進(jìn)行識別外，游客還可以通過 Google Lens 對特定物品進(jìn)行識別，識別成功后系統(tǒng)會播放作品相關(guān)的 AR 圖像或視頻內(nèi)容。

通過這種方式，用戶能獲得面前這幅作品以外的信息，譬如讓作者在視頻中介紹當(dāng)前作品的創(chuàng)作經(jīng)歷等，讓游客通過具象且優(yōu)雅的方式獲得知識內(nèi)容，就像和藝術(shù)家面對面交流一樣。

不過，AI 識物能在未來取代傳統(tǒng)人力向?qū)С蔀橛慰瞳@得新知識的主要途徑嗎？我認(rèn)為這個想法是不錯，但現(xiàn)在說似乎還有點早。

強(qiáng)大的 AI 人工智能讓 Google Lens 成為了當(dāng)今世界上數(shù)一數(shù)二的識圖工具，越來越多的應(yīng)用途徑，也讓這款工具走出實驗室和 PPT，成為用戶了解新事物的另一種途徑。

▲ 圖片來自：9to5Google

但這種機(jī)械式的向?qū)苋〈肆Τ蔀槲磥碛斡[的發(fā)展主流嗎？我認(rèn)為說「取代」那這話可能說得有點早了，而且在短期內(nèi)，AI 向?qū)Р粫〈斯こ蔀橹髁鳌?/p>

首先我不否認(rèn) AI 的兩個優(yōu)勢：全天候運作和可延展性。

相比于人工向?qū)?，AI 能 24 小時全天候工作，同時通過自學(xué)習(xí)能力，AI 能在執(zhí)行任務(wù)的過程中不斷學(xué)習(xí)。而且在網(wǎng)絡(luò)的幫助下，AI 并不是一個大腦在學(xué)習(xí)，而是服務(wù)器主腦和終端「大腦」們的信息互通，從而組成一張存儲特征的智能網(wǎng)絡(luò)。

從表象來說，比如我用手機(jī)對著我面前的杯子進(jìn)行掃描，系統(tǒng)會記錄物體的特征信息，當(dāng)其他用戶掃面類似的物體時，AI 會進(jìn)行特征識別和結(jié)果篩選，快速得出識別結(jié)果?；蛘弋?dāng)我第一次掃描這個物體時，AI 會先記錄特征，當(dāng)我第二次掃描時，AI 會繼續(xù)增加特征點，從而全局提升識別的速度和準(zhǔn)確率。

神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力能讓 AI 的識別效率接近人腦，甚至有著不受情緒和精神的影響，它可能還會超越人腦，但是能得出準(zhǔn)確無誤的結(jié)果，前提是需要大量訓(xùn)練。

AI 能在短時間內(nèi)得出識別結(jié)果，實際上有賴于研發(fā)團(tuán)隊在功能推出前的各種訓(xùn)練工作。譬如在 Google 的 TensorFlow API 中，他們會通過 COCO 數(shù)據(jù)庫的 90 大類、共 30 萬張圖像對 AI 進(jìn)行識別訓(xùn)練，繼而通過圖像去提升 AI 的識別能力。但即便有著大量的訓(xùn)練信息作為基礎(chǔ)，AI 也并非天下無敵。

The Verge 在近日的《人工智能難以識別低收入地區(qū)的日用品》這篇文章中，就對 AI 識別的基礎(chǔ)進(jìn)行探討，并給出了「AI 訓(xùn)練不平衡」的觀點。

研究人員發(fā)現(xiàn)，物體識別算法在識別月收入 50 美元的家庭物品時，結(jié)果的誤差大約會比超過 3500 美元的物品增加 10％。而且不同地區(qū)物品的準(zhǔn)確率也差異甚大，比如算法在識別美國物品方面會比索馬里和布基納法索的物品提升 15%~20% 的準(zhǔn)確率。

另外這篇文章有意思的論點在于，由于 AI 識物在訓(xùn)練時大多都是在發(fā)達(dá)地區(qū)訓(xùn)練，因此對于非發(fā)達(dá)地區(qū)的物品，AI 識物會出現(xiàn)識別失效的情況，這種不平衡的現(xiàn)象很可能會影響未來自動駕駛在非發(fā)達(dá)地區(qū)的發(fā)展，因為自動駕駛需要依賴傳感器和 AI 識別。

▲ 同一個 Soap（肥皂），不同的結(jié)果 . 圖片來自：The Verge

所以盡管 AI 在某些方面比人類表現(xiàn)出色，但前提需要大量的數(shù)據(jù)支撐，對于存在變量的物品，人腦在學(xué)習(xí)和處理上則會比 AI 優(yōu)秀。面對博物館固定的展品，AI 能帶來低成本、快捷的體驗，但應(yīng)對互動和數(shù)據(jù)庫沒有的物品，人力向?qū)匀徽加幸欢▋?yōu)勢。

不過 AI 要取代人力，真正要克服的不是知識量，而是交互情感。

AI 識物能提供詳細(xì)的知識傳播，但卻不具備人類最可貴的互動交流。雖然 AI 識物方便參觀者通過手機(jī)查看當(dāng)前展品的詳細(xì)信息，但這只是機(jī)械性地獲得千篇一律的內(nèi)容，而并非是人與人交流。這種區(qū)別就像網(wǎng)上授課和面對面課堂，獲得的信息是不變的，但若是要提問詳情中沒有的知識，誰能解答呢？

當(dāng)然，面對情感這個大問題，不少廠商也正通過語音優(yōu)化讓 AI 貼近人類發(fā)聲，比如 Google Duplex 在語音中加入了仿人類的語氣和停頓，「唔」、「哦」這些助詞讓 AI 說出的話更像是個真人而并不是機(jī)器人；蘋果也在 iOS 13 通過 TTS 對 Siri 進(jìn)行多語音拼合優(yōu)化，讓 Siri 的發(fā)音更加自然。

▲ Google Assistant 有特別的發(fā)音技巧

總體而言，雖然目前 AI 有著強(qiáng)大的學(xué)習(xí)能力和識別效率，但作為知識的提供途徑，AI 當(dāng)下仍處于輔助為主的發(fā)展階段，擁有情感和交互的人力依然占有主流優(yōu)勢。

不過不可否的是，在互聯(lián)網(wǎng)技術(shù)推動下，AI 已經(jīng)踏上了高速路，越來越貼近真實人類，盡管目前我們還在為「人工智能」和「人工智障」而辯論 ，但是讓 AI 在若干年后給我們提供新知識，并非不可能。

【來源：愛范兒】