新的 AI 技術(shù)發(fā)展趨勢有哪些？多模態(tài)學(xué)習(xí)技術(shù)一定是其中之一,。

　　最近,，剛剛宣布“自立門戶”的微軟 AI 明星產(chǎn)品小冰改名為“紅棉小冰”。殊不知 2014 年誕生的這一個 AI 對話機器人已經(jīng)在 5 年時間里更新到了第七代了,，據(jù)稱能力上正在“無限接近人類”?，F(xiàn)在的小冰，不僅是那個會作詩的機器人了,，她還會唱歌作曲,、閱讀朗誦、撰寫新聞,，甚至去年還辦了一個虛擬 7 位畫家的個人畫展,。多模態(tài)識別技術(shù)正是小冰越來越像人一樣溝通表達的關(guān)鍵之一。

　　多模態(tài)技術(shù)同樣也在視頻網(wǎng)站,、電商物流,、自動駕駛等領(lǐng)域得到廣泛。像愛奇藝推出的“只看 TA”功能,，優(yōu)酷視頻正在使用的視頻幀,、人臉幀的圖向量檢索，都離不開多模態(tài)識別技術(shù)的支持,。而像京東淘寶等電商平臺的“拍照購”,、“拍立淘”的搜索技術(shù)背后也都是在計算機視覺技術(shù)下，使用了圖像,、文本和高層語義屬性等多模態(tài)下的信息融合,，才實現(xiàn)高精度的“以圖搜圖”功能。百度提出的“多模態(tài)深度語義理解”,，則讓 AI 實現(xiàn)從“看清聽清”到“看懂聽懂”的進化,。

　　可以說，人工智能在通向人的智能的道路上,，多模態(tài)學(xué)習(xí)就是一個繞不開的發(fā)展方向,。因為人類本身就是一個多模態(tài)學(xué)習(xí)的典范,。

　　現(xiàn)在，多模態(tài)學(xué)習(xí)技術(shù)正在帶來眾多全新的應(yīng)用場景,。關(guān)注 AI 技術(shù)和應(yīng)用發(fā)展趨勢的你,，想必也想了解下多模態(tài)學(xué)習(xí)的來龍去脈，以及在這些新應(yīng)用場景中的技術(shù)現(xiàn)狀與問題,。而這些問題也是本文重點探討的內(nèi)容,。

　　“多模態(tài)學(xué)習(xí)”，正式認識下

　　模態(tài)（Modality）,，雖然不是我們的日常用語,，但卻十分容易理解。

　　我們每一天都會接觸到各種不同來源和形式的信息,。正如我們有視覺,、聽覺、嗅覺和觸覺等,，那么我們接觸的信息就有視頻,、圖像、文字,、語音,、味道、軟硬度等,，這每一種信息的形式就可以稱作一種模態(tài),。

　　模態(tài)的范圍要比我們的感知能力更寬泛。除了視覺,、聽覺獲得的模態(tài)信息,，我們也可以利用傳感器獲得諸如雷達、紅外線等不同感應(yīng)數(shù)據(jù)的模態(tài)信息,。

　　此外,，模態(tài)的類型定義也可以非常寬泛，比如我們可以把兩種不同的語言當(dāng)做是兩種模態(tài),，把不同結(jié)構(gòu)下采集的數(shù)據(jù),，也可以當(dāng)做兩種模態(tài)。比如,，僅僅一個視頻內(nèi)容數(shù)據(jù),，就是一個高維度、多模態(tài)的數(shù)據(jù)信息,，其中包含了標(biāo)題,、簡介、評論,、字幕等文本信息,，也有視頻幀的圖像、聲音,，以及連貫動作視頻片段的視覺,、聲音信息。

　　多模態(tài)學(xué)習(xí),，從上世紀(jì) 70 年代就已經(jīng)起步,，幾經(jīng)發(fā)展，現(xiàn)在正進入到機器學(xué)習(xí)特別是深度學(xué)習(xí)的階段,。通常稱為多模態(tài)機器學(xué)習(xí)（Multi-Modal Machine Learning ,，MMML），試圖通過機器學(xué)習(xí)的方法實現(xiàn)對多源模態(tài)信息進行分析和理解,。當(dāng)前主要熱門的研究方向自然是對圖像,、視頻、音頻,、語義之間的多模態(tài)學(xué)習(xí),。

　　當(dāng)前，多模態(tài)學(xué)習(xí)主要研究方向有多模態(tài)表示學(xué)習(xí),、模態(tài)間映射,，多模態(tài)對齊、融合,、協(xié)同學(xué)習(xí)等,。

　　多模態(tài)表示學(xué)習(xí)，研究如何將多個模態(tài)數(shù)據(jù)所蘊含的語義信息數(shù)值化為實值向量,，通俗理解就是對多個模態(tài)的數(shù)據(jù)進行相關(guān)性編碼,，讓不同模態(tài)建立起映射關(guān)系。按多模態(tài)表示共享的方式,，主要分為公共表示學(xué)習(xí)和特異性表示學(xué)習(xí),，后者由于是分別學(xué)習(xí)不同模態(tài)的特征，可以應(yīng)用于諸如零次學(xué)習(xí),、模態(tài)間映射,、跨模態(tài)檢索等任務(wù)中。

　　模態(tài)間映射,，研究如何將某一特定模態(tài)數(shù)據(jù)中的信息映射至另一模態(tài),。例如，給定一幅圖像,，通過機器學(xué)習(xí)得到這副圖像的描述,，或者給定一段文字，生成一幅匹配的圖像,。類似于我們學(xué)習(xí)中遇到的“看圖說話”和“以題作畫”的問題,。模態(tài)間映射早已可以應(yīng)用于語音合成,、圖像視頻描述以及跨模態(tài)檢索等應(yīng)用中。

　　此外,，多模態(tài)對齊,，主要研究如何識別不同模態(tài)之間的部件、元素的對應(yīng)關(guān)系,，以促進學(xué)習(xí)到的多模態(tài)表示更加精確,，例如將電影畫面、口型,、語音,、字幕的自動對齊；多模態(tài)融合,，主要致力于不同模態(tài)間的模型與特征的整合,，以獲得更全面的特征，提高模型魯棒性,，并且保證模型在某些模態(tài)缺失時仍能有效工作,；而多模態(tài)協(xié)同學(xué)習(xí)，主要考慮如何從信息豐富模態(tài)上學(xué)習(xí)的知識遷移到信息匱乏的模態(tài),，使各個模態(tài)的學(xué)習(xí)互相輔助,。典型的方法包括多模態(tài)的零樣本學(xué)習(xí)、領(lǐng)域自適應(yīng)等,。

　　近兩年,，隨著機器學(xué)習(xí)的模型的飛速進展，多模態(tài)學(xué)習(xí)中出現(xiàn)的映射質(zhì)量問題,、對齊的匹配度量以及融合噪聲干擾等問題,，都在實現(xiàn)很好的優(yōu)化解決，為多模態(tài)的落地應(yīng)用做好了準(zhǔn)備,。

　　多模態(tài)學(xué)習(xí),，正在豐富哪些應(yīng)用場景？

　　通過以上解釋可以知道,，其實很多我們熟知的 AI 技術(shù)都可以歸類到模態(tài)學(xué)習(xí)當(dāng)中,。比如，像機器翻譯,，通過輸入的一種 A 語言即時翻譯為另一種 B 語言,，其實質(zhì)就是一種模態(tài)之間的映射轉(zhuǎn)化。類似的還有唇讀識別和語音翻譯,，也就是分別將唇部視覺和語音信息轉(zhuǎn)換為文本信息,。

　　在圖像識別中，會應(yīng)用到一種“圖片語義分割”，即嘗試給圖片的不同像素區(qū)域?qū)?yīng)到每一種類型標(biāo)簽,，實現(xiàn)視覺和詞匯的對應(yīng),。這就是多模態(tài)對齊在空間維度的應(yīng)用。

　　當(dāng)然,，基于多模態(tài)數(shù)據(jù)的豐富表示以及映射,、對齊和融合的應(yīng)用，可以將目前 AI 的三種主要感知模態(tài)——語音交互,、機器視覺、傳感器智能進行多模態(tài)組合,，產(chǎn)生全新的應(yīng)用場景,。

　　在語音交互上，“多模態(tài)深度語義理解”技術(shù)正在為其帶來更深度的應(yīng)用場景,。

　　對于前幾年的智能音箱,，我們都有這樣的感觸，那就是語音交互只能完成簡單的搜索,，一旦多聊幾句,，就發(fā)現(xiàn)機器人要么只有萬能的“套路”公式，要么就“答非所問”,。這一問題的根源就是人工智能無法更好的理解對話者的深層涵義,，也沒有靈活的應(yīng)答機制和內(nèi)容。此外,，也更難理解人的語氣,、情緒這類情感模態(tài)信息，當(dāng)然因為沒有視覺感知,，更不可能去理解人的表情,、動作、姿態(tài)等信息,。

　　多模態(tài)深度語義理解可以極大改善這類語音交互的語義理解難題,。比如，其中一個應(yīng)用場景是智能汽車的數(shù)字座艙,，正在從原本單一的車載語音識別,，實現(xiàn)融合視覺、語音,、車內(nèi)外場景圖像的多模態(tài)識別的轉(zhuǎn)變,。

　　在實際的語音交互中，車載智能助手不僅可以實現(xiàn)語音的識別,，也可以通過攝像頭識別人的表情神態(tài),、動作，比如識別疲勞駕駛、分心,、發(fā)熱等狀況,，以進行即時的語音提醒。語音交互也可以更加以人類的自然語言進行交互,，而不必要使用生硬的指令型語言,。

　　而在以機器視覺為主的應(yīng)用中，多模態(tài)學(xué)習(xí)技術(shù)也帶來新的應(yīng)用可能,。

　　以電商平臺購物為例,，用戶的一大痛點就是看到一些“心水”的好物或者同款，但不知道名字,，通過拍照識別和檢索,，將為用戶提供最便捷的推薦服務(wù)。另外,，在電商的智能客服,，用戶也希望能夠通過簡單對話或者發(fā)送圖片、視頻的方式處理訂單問題,。在這些場景中,，跨模態(tài)檢索和映射轉(zhuǎn)化技術(shù)就得到了深度應(yīng)用。

　　比如,，在商品推薦和信息流廣告中,，就需要結(jié)合海量商品圖像與對應(yīng)的商品語義屬性，學(xué)習(xí)圖像語義特征表達,，以提高符合用戶需求的商品推薦度,。而與智能客服進行的多輪對話中，融入視覺到語言的跨模態(tài)轉(zhuǎn)換技術(shù),，可以自動實現(xiàn)對用戶上傳的圖片或視頻進行自動應(yīng)答,。

　　在傳感器智能上，多模態(tài)識別技術(shù)可以應(yīng)用到大量的物聯(lián)網(wǎng)設(shè)備場景中,。通過在大量的智能設(shè)備中增加視覺,、溫度、濕度和光線傳感器,，來實現(xiàn)多模態(tài)的智能交互,。比如在智能空調(diào)中，加入語音交互,、視覺識別指令,，結(jié)合傳感器判斷屋內(nèi)溫度和濕度，可以根據(jù)屋內(nèi)人數(shù),、位置等因素來實現(xiàn)更精準(zhǔn)的控溫方案,。而現(xiàn)在更多智能大屏應(yīng)用，也在將機器視覺、語音交互和一些智能傳感器引入到智能硬件中,，實現(xiàn)對屋內(nèi)光線的調(diào)節(jié),、音量、觀看者狀態(tài)（離得是否太近,，是否有未成年人）等因素的智能識別和調(diào)節(jié),。

　　而近期，華為推出的一款針對辦公場景的智慧屏幕,，可以根據(jù)視頻會議中的發(fā)言對象進行視角跟蹤,，將攝像頭跟蹤、焦點人物識別和身份識別結(jié)合起來,。

　　正如開始列舉的,，多模態(tài)學(xué)習(xí)技術(shù)更主要的應(yīng)用還是集中在語音和視覺的多模態(tài)識別上。在愛奇藝的“只看 TA”的功能中,，除了人臉識別要區(qū)分是真人還是卡通人物，還要對人體信息,，甚至還有微表情,、身體語言等識別，多模態(tài)技術(shù)成為視頻場景中不可缺少的技術(shù)支撐,。而在未來的聊天機器人或者智能助手上,，多模態(tài)學(xué)習(xí)將幫助智能機器人綜合處理圖像、聲音和文字信息,，同時可以進行綜合模態(tài),，甚至包括情感等特征信息的輸出與表達。

　　技術(shù)尚在中途,，未來仍需努力

　　不過,，我們?nèi)匀恍枰赋龅氖牵M管多模態(tài)學(xué)習(xí)技術(shù)已經(jīng)有諸多的應(yīng)用場景,，但其技術(shù)實現(xiàn)仍然有諸多不足,，也會有一些場景仍然是“偽多模態(tài)”的技術(shù)應(yīng)用狀態(tài)，導(dǎo)致一些場景體驗仍然不能“盡如人意”,。

　　現(xiàn)在的多模態(tài)技術(shù)的結(jié)合多為“松耦合”狀態(tài),，各個模態(tài)可以一起工作，但耦合之下還不夠十分緊密,。也就是現(xiàn)在更多實現(xiàn)的是兩種模態(tài)信息的轉(zhuǎn)化和融合,。而一旦多種模態(tài)數(shù)據(jù)增加，耦合也會增多,，沖突也就會增加,，產(chǎn)生各種噪聲。比如，對于聊天機器人,，如何在回復(fù)的聲音,、文本中增加情感特征，就是一件非常困難的事情,。因此,，我們遇到的一批智能機器人都很容易是冷冰冰的客服腔調(diào)，以致于我們確實不好識別對方是真人還是機器人,。

　　多模態(tài)技術(shù)主要還是采用已標(biāo)注的多模態(tài)數(shù)據(jù)來生成深度學(xué)習(xí)模型,，這導(dǎo)致這些模型在真實場景下的泛化能力受到很大限制。現(xiàn)有的多模態(tài)技術(shù)更多要與知識圖譜結(jié)合,，融入專家,、常識等知識，利用數(shù)據(jù)和知識的聯(lián)合來讓多模態(tài)技術(shù)建立其“智能”的作用,。

　　此外,，正如一位專家指出的，當(dāng)前的多模態(tài)技術(shù)還是屬于狹隘的單任務(wù)學(xué)習(xí),，整個訓(xùn)練和測試的過程都是在封閉和靜態(tài)的環(huán)境下進行,，這就和真實世界中開放動態(tài)的應(yīng)用場景存在一定的差異性。這距離人類在真實場景中的泛化的多模態(tài)感知相距甚遠,。

　　未來為提高多模態(tài)的泛化感知能力,，可以利用元學(xué)習(xí)的方式來讓模型自己學(xué)會如何認知新的多模態(tài)知識，實現(xiàn)適用于開放動態(tài)場景并具備終生學(xué)習(xí)能力的多模態(tài)模型,。

　　而在推動 AI 的推理能力上,，在多模態(tài)模型訓(xùn)練的過程中，可以引入自監(jiān)督,、自學(xué)習(xí)的推理性任務(wù),，“強迫”多模態(tài)模型進行推理和思考，這也能在一定程度上讓機器去慢慢學(xué)會推理,。

　　通過多模態(tài)學(xué)習(xí)技術(shù)實現(xiàn) AI 的推理,，看起來難度極大，這一假設(shè)還需要未來更多實驗和驗證,。

　　總的來說,，多模態(tài)技術(shù)已經(jīng)在試圖“復(fù)制”人類在日常生活中的各類場景，盡可能把人類的感知信息進行分析處理和整合,，并實現(xiàn)更全面綜合的理解,，也能結(jié)合“數(shù)據(jù)”和“知識”給出相應(yīng)的回應(yīng)。但這距離真正的人類級別的智能還有質(zhì)的差別,。

　　當(dāng)然,，人們對多模態(tài)技術(shù)的發(fā)展前景仍然看好,，相比于只側(cè)重單一模態(tài)的技術(shù)，多模態(tài)技術(shù)所構(gòu)建的智能應(yīng)用場景將更多樣化,，也與我們普通人期待的智能生活更近一些,。

　　更何況，多模態(tài)技術(shù)仍處在“襁褓狀態(tài)”,，我們應(yīng)該留給它足夠長的成長時間,，等待美好發(fā)生。