神经网络模型更擅长图像分类而不是行为预测

日本早稻田大学（Waseda University）的研究人员利用人工智能方法在完全没有人工干预的情况下实现给黑白照片上色。研究人员使用的算法基于卷积神经网络（CNN:convolutional neural networks），这是一种深度学习算法，最初的灵感是来自猫的视觉皮层。

研究人员使用人工智能AI对完整的图像进行分类，然后识别图像的组成部分并标记出来，使用正确的颜色进行填充上色。以前的电脑上色无法做到完全自动化，需要人工提供与黑白照片类似的参考图像。目前基于AI的上色技术还存在一定的局限性：只适用于某些室外场景的照片。

早稻田大学的AI案例再次证明了基于卷积神经网络的深度学习目前适用的领域是：计算机视觉（computer vision）和语音和音频处理（speech and audio processing），其最擅长的是图像分类而不是行为预测。

今年人机围棋大战出尽风头的AlphaGo也是计算机视觉的深度学习，而不是基于围棋知识的学习。

YOTOVR引自科技网站quantamagazine.org原文《Is AlphaGo Really Such a Big Deal?》（作者：Michael Nielsen）：“ We can see from this that AlphaGo didn’t start out with a valuation system based on lots of detailed knowledge of Go, the way Deep Blue did for chess. ”

有兴趣的读者可以查看原文。