用小立方体搭一个几何体，使它的主视图和俯视图如图所示，这样的几何体最多需要多少个小立方体？最少需要多少个小立方体？

大家在学生时代可能都面对过这些涉及空间想象的几何题。从根本上，它们考验的是2D图像和3D场景间的转换能力。如今，人工智能也成功打破了这种“次元壁”。

一手打造史上最强围棋AI“阿尔法狗”的英国DeepMind团队，宣布其新开发的一种机器学习系统能在无人监督的情况下，从几个角度“观察”特定场景，然后生成该场景在其他角度上的样子。

相关论文发表在北京时间6月15日凌晨的世界顶级学术期刊《科学》上。

人工智能“看”到的2D几何体图片（左）和生成的3D几何体（右）

具体来说，这个名为生成查询网络（Generative Query Network, GQN）的系统分为两个部分：表示网络和生成网络。表示网络负责从2D样本图像中提取出一套用来表现场景的编码，而生成网络则可以输出该场景在新视角上的 可能图像。在这个过程中，网络也会考虑到不确定因素，比如场景图像存在部分模糊。

Seyed Mohammadali Eslami团队用电脑合成了虚拟的场景，其中包含不同物体和多个光源。他们用几张不同角度的场景图片训练计算机后，系统就能够生成该场景在任意角度上的图像。

甚至，当研究团队去除、增加场景中的物体，或者更改部分物体的形状或颜色后，系统依然能够得出相应的结果，并不需要人类向计算机解释“形状”和“颜色”的概念。研究团队认为，这表明人工智能并不是仅仅是在“拼凑”场景。

现在的机器学习方法需要大量经人类标注的数据进行训练，比如输入成千上万张猫的照片教会计算机识别出“猫”这个物种。而这种新的神经网络只需要少数几张2D 图片，无需人类标注。这为未来人工智能开辟了一条自主的新道路：人工智能可以通过自身携带的传感器观察并还原这个世界。

人工智能通过虚拟迷宫不同地点的图片，还原出相应场景。

比如，把这套系统应用在机械臂控制上的话，计算机只需要一个固定的摄像头记录2D图像，就能理解机械臂的运动情况。定位和控制机械臂所需采集的数据量就会大大减少。

文章链接：

S. M. Ali Eslami, et al, "Neural scene representation and rendering," Science 15 Jun 2018: Vol. 360, Issue 6394, pp. 1204-1210, DOI: 10.1126/science.aar6170

（本文来源：澎湃新闻；）

如若转载，请注明e科网。

如果你有好文章想发表or科研成果想展示推广，可以联系我们或免费注册拥有自己的主页