受器，电信号传递到大脑，产生兴奋感和
些超常举动。
们也希望这个小东西能够给沉闷已久
学界带来些新鲜刺激。
主持人：说得太好
宋教授，那
能否请您用比较浅显易懂语言向观众们介绍下这套系统工作原理呢。
宋教授：有点难，试试吧。大家知道，人工智能发展其中个重要方向就是让机器模拟人类大脑思考过程，而最关键第步就是让机器学会像人样接受信息。人类有非常复杂感官系统，但信息最主要输入方式还是视觉，这就涉及两大领域识别：文字和图像。目前在浅层感知领域，语音识别、文本分词、人脸识别等已经比较成熟，但从浅层感知到特定语义组合映射，比如从动作姿态来分辨张全家福中不同成员之间关系，对首诗歌里情感指向进行分类，目前还只能在限定领域通过大量训练来实现过得去效果。至于像人类那样复杂认知能力，机器其实还处于非常早期阶段，大家可以看这张图。
（屏幕上出现4乘4图片矩阵，每张图都是关于猫，在不同环境下、从不同角度拍摄不同种类猫。）
宋教授：啊，这是女儿挑照片。对于人类来说，即便是个小孩，只要他见过猫，不管是大猫小猫，黑猫白猫，猫头猫尾，他都能够分辨出来。但对于机器则不是这样。
（16张图中13张都被打上红叉，只剩下3张猫咪头部正面特写，萌态可掬。）
宋教授：之前们做机器图像识别，无法像人样从事物不同状态中提取出某种底层不变性。抱歉又要拿猫举例子，只猫胖瘦，掉毛生病，或者给它穿戴上各种装饰品，它打个呵欠、发怒、舔舌头，它都是同只猫。而对于机器来说，图像尺寸、背景、光照、位移、旋转、畸变、遮挡……都会影响它判断，它只能根据既定算法进行有限层级映射，而无法模仿人脑通过多层神经网络进行分层递阶多粒度计算……
主持人：抱歉打断您下，这部分内容或许对于欠缺背景知识们来说有点难以理解，那您发明CATNIP系统是如何解决这个问题呢？
宋教授面露尴尬：不好意思不小心就说多。确切地说，们只脚才刚刚跨过门槛，离真正解决问题还早着呢，这个系统也只是整个大计划中个前驱项目。们灵感其实来自语义分析，大家知道，信息意义其实并不在于信息本身，而存在于其结构中，就像文本意义存在于上下文，图像意义存在于时空结构之中。们能否通过索引对象存在于整个时空结构中信息来帮助机器识别对
请关闭浏览器阅读模式后查看本章节，否则可能部分章节内容会丢失。
