從阿里云官方獲悉，近日，國際權(quán)威機(jī)器視覺問答榜單VQA Leaderboard出現(xiàn)關(guān)鍵突破，阿里巴巴達(dá)摩院以81.26%的準(zhǔn)確率創(chuàng)造了新紀(jì)錄，讓AI在“讀圖會(huì)意”上首次超越人類基準(zhǔn)。

近10年來，AI技術(shù)保持高速發(fā)展。然而在視覺問答VQA(Visual Question Answering）這一涉及視覺-文本多模態(tài)理解的高階認(rèn)知任務(wù)上，AI始終未取得超越人類水平的突破。

自然語言技術(shù)與計(jì)算機(jī)視覺交融，是多模態(tài)領(lǐng)域重要的前沿研究方向。其中，VQA是AI領(lǐng)域難度最高的挑戰(zhàn)之一，對(duì)研發(fā)通用AI具有重要意義。

VQA的任務(wù)是根據(jù)給定圖片及自然語言問題，生成正確的自然語言回答。

例如下面這張圖，圖中玩具人的IP出自哪部電影？AI先提取了問題關(guān)鍵信息——玩具人；再根據(jù)常識(shí)做出回答——星球大戰(zhàn)。

在首屆VQA挑戰(zhàn)賽上，AI的最高準(zhǔn)確率僅能達(dá)到55%。今年8月，達(dá)摩院以81.26%的準(zhǔn)確率創(chuàng)造VQA Leaderboard全球紀(jì)錄，首次超越人類基準(zhǔn)線80.83%。

這是VQA測試以來，AI第一次超過人類水平，是標(biāo)志性的重大突破。