据国外媒体报道，Facebook和谷歌正在创建规模庞大的神经元网络——人工大脑，其可以立即识别照片中人的面部、车辆、建筑物及其他对象。但该系统仍存在局限性。

　　该网络可以识别语音、将一种语言翻译成另一种、定向投放广告或者教会机器人开启瓶盖。如果将整个过程逆转，人们可以让该系统具备全新能力，不仅可以识别图像，而且可以创造图像。

　　6月19日，Facebook表示，其正在教授自家的神经元网络完成创建包括飞机、汽车及动物在内的图像的任务，在40%的情况下，这些图像足以让我们相信自己看到的是真实照片。据Facebook的人工智能研究员罗博·费格思（Rob Fergus）表示，该网络已经能够理解照片这一事物的原理与结构。

　　与此同时，来自谷歌的研究人员则正在进行截然相反的工作，他们通过神经元网络将真实的照片转换成某种超现实主义的风格。他们让机器识别照片中熟悉的模式，然后对这些模式进一步增强，然后在同一张照片中重复这一步骤。如果照片中的云朵有点像鸟，网络就会使其变得更像鸟一点，周而复始，直至完全体现出一只鸟的样子，其结果就是某种由神经元网络生成的抽象艺术画作。

　　此类由Facebook和谷歌创建的神经元网络跨越了“多层”人工神经元，它们能够一致地工作，且能够很好的完成特定任务。

　　谷歌表示，通过将神经元网络的运行过程逆转，传授它们生成图像的技巧，能够让人们更好的理解它们的运作机理。谷歌让网络对自己在图像中发现了什么进行描述。有时，它们只是发现了某个形状的边界；有时，它们发现了更加复杂的事物，例如位于水平线上一座塔的轮廓或者一棵树中隐藏的建筑物。每一次，研究人员都能够更好地理解该网络。

　　谷歌让网络对自己在图像中发现了什么进行描述。有时，它们只是发现了某个形状的边界；有时，它们发现了更加复杂的事物，例如位于水平线上一座塔的轮廓或者一棵树中隐藏的建筑物。每一次，研究人员都能够更好地理解该网络。

　　通过生成图像技巧，就特定层面的神经元是如何理解一副图像的问题，人们可以获得一个量化的答案，这帮助研究人员通过可视化方式来理解神经元网络如何处理分类任务，进而改进网络架构以及判断是否网络通过训练完成了自我学习。

　　如今，图像识别软件已经成为消费产品，如谷歌新的照片服务Google Photos。

来源：影像中国业界动态