美國麻省理工學院（MIT）的一支團隊驚奇的發現，只需要少數信息的像素就能夠識別出圖像內的目標。這個發現為在線圖像的自動識別帶來了巨大的進步，最終為計算機像人類那樣觀察事物提供了基礎。MIT計算機科學與人工智能實驗室的助教Antonio Torralba和同事試圖找到最小量的信息，即從能夠提供內容有用表示的圖像中導出最短的數字表示。 導出這樣一種短小的表示將會是很重要的的一步，它使得對因特網上百萬億副圖像進行自動分類成為可能。現在，搜索圖像的唯一方法是基于每幅圖片人工鍵入的文本標題，而許多圖像都缺乏這樣的信息。自動識別也為人們檢索那些從數字相機下載到計算機的圖片提供了一種方法，而且不需要手工檢查每個標題。最后它將會引發真正的機器視覺，也許某天將會使機器人弄懂它們相機中數據的意義，并描繪出它們在哪 。 Torralba說，“我們都在嘗試找到圖像的最短代碼，這樣如果兩幅圖像具有相似的（數字）序列，它們就可能是相似的，即可能由大致相同的目標，大致相同的結構組成”。如果一個圖像通過說明文字或標題來識別，那么其它與數字代碼匹配的圖像可能顯示相同的目標（例如一輛車，一棵樹，一個人），因此與圖片聯系在一起的名字會轉移到另一個。 Torralba說，利用這種方法識別圖像，“對于海量圖像，即使相對較簡單的算法也能夠執行的很好”。他將在今年6月Alaska舉行的機器視覺和模式識別會議上公開他的最新發現。這個工作是和紐約大學庫朗研究所的Rob Fergus和耶路撒冷的希伯來大學的Yair Weiss合作完成的。 需要識別目標的信息 為了找到人們識別一副圖像中的目標需要的圖像信息有多小，Torralba和他的合作者嘗試將圖像降低到越來越低的分辨率，然后觀察在每層人們能夠識別的圖像有多少。“我們能夠識別出圖像內有什么，即使分辨率非常低，因為我們知道有關圖像的許多東西”，他說，“你需要識別大多數圖像的信息量大約是32比32”。作為對比，即使Google搜索中顯示的小的縮略圖的典型值是100比100。 即使一部廉價的數字相機產生的圖像也由數百萬像素的數據組成，每個像素一般由24bits的數據組成。但Torralba和同事開發的數學系統能夠將每幅圖片的數據簡化更多，并且證明了，即使圖像被編碼而成的數字表示包含的數據只有256到1024bits時，許多圖像都是可識別的。 Torralba說，對每幅圖像都使用這樣少的數據，就有可能利用一臺普通PC，在一秒鐘內對數據庫內上百萬副圖像搜索相似的圖片。不像其它要求將圖像分解成包含不同目標部分的方法，這種方法使用的整幅圖像，因此無需人工干預就能簡單的應用到大數據集。 舉個例子，Torralba和同事使用其開發的編碼系統，能夠將因特網上12900000幅圖像只用600 Mbytes表示，這些數據小到足夠匹配當前大多數PC的RAM，也能存儲到記憶棒中。圖像數據庫和軟件使數據庫的搜索可在網上公開獲得。 現在對于最常見種類的圖像，匹配是有效的。Torralba說，“并不是創建所有的圖像都同等”。圖像越復雜或越獨特，就越不太可能正確的匹配。但對于圖片中最普通的目標來說，結果已經相當令人矚目了。