物聯網DIGITIMES(連結)
范仁志
2019-01-30
AIST看上動畫內藏龐大學習資料量，發展AI動畫學習技術。圖為一堆人跑步照片，若此照片換成影片，一小段影片就可得到大量學習資料。法新社
深度學習開啟人工智慧(AI)發展的第3波，讓IT業界再度投注大量精力於研發人工智慧應用，而學習需要大量資料的問題，帶動各種新研究，現在日本產業技術綜合研究所(AIST)進行新的學習技術研發，利用影片等動態畫面的動畫學習方式，以利加速動態相關應用的學習。
所謂動態相關應用，比方體育訓練方面，讓人工智慧學習如何判斷怎樣的姿勢跑步速度可以加快，但怎樣的姿勢可能會跌倒，現在以靜畫為主的學習技術，需要準備大量與跑步姿勢有關的圖片，並輸入若干速度等資料，但動畫的話，只要準備1小段不同速度以及不小心跌倒的影片，就有同樣效果。
這個技術首先能應用的領域，就是機器人與自動駕駛車，學習何種狀況可能摔倒或翻車，以及何種狀況可能打傷在身旁的人、或撞上附近汽車，應用動畫讓人工智慧自行分析相對速度及角速度，無疑更加直覺。
雖然動畫內藏資訊量遠高於靜畫，但因學習主體隨時在動作，因此人工智慧對需學習的影像主體辨識率，低於靜畫的辨識率，比方播放網球比賽影片，讓人工智慧學習網球規則與比賽技巧時，人工智慧有時會把運動衣視為主體，無視選手，這種辨識錯誤成為主要問題。
動畫內藏資訊量高於靜畫，倒過來說，就是將動畫學習資料變成資料庫時，資料量與資料種類也都遠高於靜畫，如何有效進行資料歸納，是避免辨識錯誤的重點。
現在產業技術綜合研究所負責研究動畫辨識學習的部門，智慧系統研究部門的副研究部門長佐藤雄隆表示，他們用產業技術綜合研究所的人工智慧用超級電腦AAIC，以30萬組動畫資料進行152層學習2個月，目前對動畫內容意義的辨識正確率，已達74%。
但是正確辨識只是學習的第一步，比方學習打網球，目的是發展網球機器人，如何把學到的網球規則，或者是物流人員與工廠員工的動作，變成機器人的控制程式，才能發展適當的產業應用，這是下一個挑戰。