新型態人工智慧系統將模仿人類想像與判別物件
2019/01/10 @國際
摘要
未來農業的發展，人工智慧(AI)將扮演重要的推手，以先「學習」後執行指令以達成目的，運用電腦視覺判讀感測器接收到的農作物影像，例如自動採摘已成熟的果實、自動辨識病蟲害嚴重的農作區域，為電腦所理解的一個過程及技術。
示意圖
人工智慧(artificial intelligence，簡稱AI)在未來農業發展中扮演重要的推手，透過人們預先編寫的指令，具人工智慧的電腦將能協助或取代人們在農業生產管理中的角色，例如自動摘採已成熟的果實、自動辨別病蟲害嚴重的區域並派遣無人機執行灑藥防治等行為。在人工智慧的開發過程中，如何將接收的外界資訊加以運用，在「學習」後執行指令以達成目的，始終是發展人工智慧的重要課題。其中一個重要的環節，稱作電腦視覺(computer vision)，是門在於如何判讀感測器接收到的影像，使影像被電腦所理解的一個過程及技術。電腦視覺仍是透過執行人們預先編寫的指令，賦予電腦影像判讀的能力，這意味著影像辨識能力的強弱，部分取決於指令下達的複雜度。目前電腦視覺仍僅能以接收的圖像作為判別基準，無法以局部資訊判斷出整體情況，比方說某一隻動物因上半身被物體阻擋，而僅露出半身資訊，這時人們可以透過常識或經驗「腦補」出可能的動物種類，但電腦可能就無法準確的辨認出人們一眼就看出的物品為何。【延伸閱讀】氣候智慧型農業將有助於農民對抗全球氣候變遷之衝擊
在以往對電腦訓練的過程中，電腦需經過辨識上千張的圖片作為訓練，才能建立特定特徵的影像辨識機制，但人工智慧系統並未如同人類大腦一般，可預先儲存各種經驗與常識的資料庫，以便在看到物件時「腦補」成完整的故事及圖像。為使人工智慧系統也具備類人腦般的辨識能力，加州大學洛杉磯分校(University of California, Los Angeles，簡稱UCLA)薩穆埃利工程學院(Samueli School of Engineering)的研究團隊受人腦的啟發，研發出新方法，以彌補人工智慧在學習方面的問題。該方法由三個主要部分所組成：(1)將圖片資訊拆解，每個被拆解的單元稱作viewlets；(2)電腦學習viewlets與圖片之間的構成關係，以及了解viewlets是如何組成大圖的；最後(3)辨識取樣點周圍的其他資訊，並判斷鄰近物體與主要物件之間的關聯性。此外，透過網路獲取資料的方式，除獲得海量資料供電腦學習分析外，也能得到同一物件的多種不同視角，供不同角度的判讀。
經研究證實，新型態系統的學習表現較傳統電腦視覺系統佳，能有效地令電腦透過僅有的有限資訊，推論出可能的完整資訊，為電腦視覺技術開啟新扉頁。該研究成果已發表於<Proceedings of the National Academy of Sciences> (PNAS)。
資料來源
關鍵字
文章摘譯
