加州大学洛杉矶分校Samueli工程学院和斯坦福大学的研究机构创建了一个计算机程序，它具有相当可忘的“计算机视觉”名称，可以独立识别部分看到的物体。这超出了限制正常计算机行为的常规程序/任务场景。 这是人工智能研究的一个超级热门领域，在人工智能在物理世界中运作方面，它是所有人工智能功能中最重要的。该领域的研究规模很大，具有指示性; 几乎每个主要的研究机构都在这个领域投入了大量的工作，这项新成就是一项重大而重要的突破。 事实上，谷歌刚刚发布了有关其定制光学字符识别（OCR）引擎 AI镜头的信息，该镜头可以使用不同的技术识别出十亿种产品。你可以看到它的发展方向; 使用连接到AI的视觉设备，你基本上可以即时参考你正在扫描的任何东西。这也恰好是AI在任何角色中的主要需求之一。 至关重要的是，新的加州大学洛杉矶分校/斯坦福大学的方法可以通过仅仅看到它的一部分来识别物体。这是一种经典的人类特质。无论视觉障碍物或视线受阻，人类大脑都会看到某些东西并立即识别它。人类还可以根据物体的这些部分景观来预测物体其余部分的位置。 新技术创建了一种“组装”方法，因此计算机可以做这些事情： 1.计算机读取部分图像，即“块”。 2.计算机学习如何准确地组装这些块以识别对象。 3.它评估目标对象周围的其他对象，以帮助描述和识别对象。 解释： *平均环境是图像的混乱。准确地读取环境，识别特定对象，并且对计算机程序来说非常困难。 *“读取”功能，即计算机逐步执行程序的方式，需要在人工智能中非常有效。编写代码/读取程序/列表/执行/开/关等的笨重，相当笨重的过程不足以让AI独立行动。如果人工智能可以自己学习，并且像人类一样需要记忆，整个过程就会变得更加顺畅。 现在考虑： 事实上，大多数人在任何环境中都不会立即认出他们所看到的一切。总有一些东西需要评估。即使在你自己的家里，你也可以期待“在那里做什么？”或“为什么在这里，不在那里？”或“哪里......？”和流行的“引导沙拉钳的名称是什么？ “非常典型。 即使在熟悉的环境中，您也必须根据自己的知识或缺乏知识做出一些有意识的决定。因此，对于计算机能够识别，同样重要的是，识别它无法识别的事物，是一个巨大的步骤。 还要考虑你的“视觉词汇”。那是一扇门，那是一堵墙，那是一辆汽车....... 这是很多处理得如此之快的信息，您不必考虑它，只需要了解它，对象的位置，风险等。 只是在房间内导航，知道你正在做什么，（在某些情况下甚至是为什么）是基于计算机编码和处理方面的文字吨位信息。这就是为什么这项研究如此根本，以及几乎所有可能配置的AI未来的巨大飞跃。 请记住，人工智能将以数百万，最终数十亿，不同形式出现。忘记物联网，这是物联网的AI，它的范围和应用范围可能非常巨大。 人工智能如何发挥作用，它的功能如何，取决于它如何与世界相互作用，而且看起来它将来会更有效率。Samueli工程学院和斯坦福大学刚刚在最具功能性的意义上为人工智能创造了一项重要资产。