人工智能技术的发展现在非常强大。 AlphaGo在Go的比赛中吸引了许多世界冠军，使每个人都感到害怕。即使在琐碎的图像识别方面，它也比人类更好，更快。但是，科学家认为，这还远远不够。对于AI的发展，理解视频中的动态行为是下一个关键的发展方向。为什么要看视频？据统计，视频目前占互联网流量的90％。它极大地促进了全球数据量的快速增长。在未来十年中，全球数据量将增长50倍，其中视频所占的比例最高。根据国家发改委的计划，到2020年，所有视频都将高清并连接到Internet，因此视频所需的存储空间巨大，因此对视频内容的挖掘需求也很大。从另一个角度看，随着“中国天网”的实施，中国已经建立了全球最大的视频监控网络，拥有超过2000万个摄像机。但是，每个省所有警察类型的视频分析人员少于10名。一万，未来，我们必须依靠人工智能和大数据进行视频处理和分析。因此，对科学家来说，下一个挑战可能是教机器不仅要了解视频中包含的内容，而且要了解镜头中发生的事情。这可能会带来一些实际的好处，例如搜索，注释和挖掘视频剪辑的强大的新方法，还使机器人或自动驾驶汽车可以更好地了解它们周围的世界。使用视频训练人工智能类似于图像识别。科学家使用大量视频数据来训练AI，以更好地了解现实世界的行为。去年9月，IBM和MIT宣布建立“ IBM-MIT脑启发性多媒体机器理解实验室”，并且双方共同开发了具有先进试听能力的人工智能。不久前，麻省理工学院和IBM发布了庞大的视频剪辑数据集。该视频数据集被称为“时间数据集时刻”。包含从钓鱼到霹雳舞的许多动作的3秒剪辑。麻省理工学院的项目负责人兼首席研究科学家奥德·奥利瓦（Ode Oliva）说，世界上许多事情都在迅速变化。如果您想了解为什么会发生某些事情，体育会为您提供很多信息。巧合的是，Google去年还发布了800万个带标签的YouTube视频，即YouTube-8M。 Facebook正在开发名为“场景”，“操作”的注释数据集。和“对象”套。普林斯顿大学的助理教授Olga Rusakowski专门研究计算机视觉。他说，科学家以前认为开发有用的视频数据集很困难，因为它们比静态图像需要更多的存储和计算能力。他说：“我很高兴能够使用这些新数据集。 3秒的持续时间很棒，它提供了时间上下文，并且需要较少的存储和计算。还有其他一些机构在研究中更具创造力。方法。创业公司“两百亿个神经元”总部位于多伦多和柏林的公司已创建了自定义数据集。该公司的联合创始人Rolandme Nisevich表示，他们还使用专门处理时间视觉信息的神经网络。 “接受其他数据集训练的AI可以告诉您该视频显示的是足球比赛还是聚会；经过我们定制的数据集训练的神经网络可以告诉您是否有人刚进入房间。”人工智能需要找到实现智能的正确方向。根据IBM的解释，人们可以观看简短的视频并轻松地描述视频内容，甚至可以预测后续事件的发生，而这种能力对于机器仍然是难以捉摸的。为机器提供真正的智能需要避免被传统概念所误导，并回到人类生物学功能的方向。北京大学信息科学与技术学院计算机科学与技术系主任黄铁军认为：“当前对视频的理解只是为满足媒体行业发展需要而定义的概念。例如，“框架”的概念使用人眼对频率的识别。 ，使人们在50毫秒内保留视频图像的印象。但是从生物学的角度来看，我们的大脑之所以能够将人类的运动与复杂的环境区分开来，是因为视网膜受到连续的光子撞击和神经节细胞。当受到足够的刺激时，会发出脉冲，并将脉冲序列传输到t