“天眼”何时开启？

从《终结者》到《变形金刚》，理想中的机器人拥有强大的视觉系统。它们可以在“看”到物体时获取其3D简图，并进行一系列的备注，夜视和红外线扫描之类的技术，更是不在话下。不要觉得这只是科幻电影里的滥俗桥段，通过摄像头来获取外界信息，是它们的第一命门。如果发展到了今天，一台AI只能根据人类操作者输入的信息来进行下一步动作，那它就是个彻头彻尾的失败作品。

把人眼的工作交给摄像头？这听起来就是一个不可能的任务。除了5.76亿像素和1600万像素的硬件差异外，人眼对环境的感知能力也绝非机器能比。举个最简单的例子，当你看到一条哈士奇时，可以在一瞬间判断出它的品种，这并不仅仅是视网膜成像的功劳。而机器人要想拥有视觉成像系统，还需要传导神经和记忆皮层。但这也只解决了“看”的问题，如何把看到的图像转换成有用的信息，并完成之后的判断，才是难点所在。

一套完整的计算机视觉系统，关键技术点在于图像处理系统。它会根据拍摄物的像素点分布、色调等信息，转化成具体的数字化信息。Facebook就植入了一种全新的技术，可以将朋友圈中的照片“读”出来。最初它只会告诉你照片发布者是谁，现在则会把图片上的内容描述出来，“有树，有河流，有霞光，看上去是一张旅途风景照”。这个功能的当下意义，在于帮助有视障问题的人刷朋友圈。而微软方面则将其和“视觉”进行了深入整合。他们研发了一个名为Seeing AI的组件，将之放置到太阳镜上时，可以在扫描完毕周围环境后，提取出各种特征，对具体事物作出判断，然后用语音播报的形式，把环境描述给盲人。

如果把AI视觉看作一个单独的功能，那目前对其需求最为迫切的，当属无人驾驶领域。通用集团和特斯拉两大美国汽车公司，分别投入重金收购了初创公司Cruise和Mobileye。以Cruise为例，他们所提供的无人驾驶系统包括两个摄像头、一套GPS系统、惯性计算器、行车电脑，这就相当于一个闭环的人工视觉系统了。而为了让信息采集变得更为丰富，它们还配备了测距雷达装置。

把画面即时呈现给我们并不困难，难的是人工智能亲自看懂画面中的一切。目前来看，它们在这一方向上已经起步了，但成本控制仍然是最大的难题。