很长一段时间以来，人工智能的研究都停留在文字层面，比如著名的图灵测试(Turning Test)，证明了机器能够像人类一样智能地回答书面问题。而如果让机器变得更聪明，仅仅处理文字显然是不够的。事实上，人类心智非常善于视觉处理。从所见当中识别图案、物体以及文本情景的能力让我们很智能，这种能力也是人的本质特征。
不过直到最近，计算机都对图片束手无策。比如，除非人为添加一些标签和注释，否则机器就无法理解图片，图片也就是成了无用的文件。但是，这种尴尬的情况正在发生变化。一大批能看懂图片的人工智能技术已经来到人间，下面不妨来看看机器之心的盘点：
谷歌 TensorFlow
5月份谷歌推出 Google Photos时，媒体关注的焦点是：人工智能和图片搜索结合后所产生的强大功能。谷歌声称(并且用户也很快确认)，搜寻特定某人，你会找到对方从现在到婴儿时期的照片。搜索品种名，你就能找到相应品种狗的照片。把名字和食品类别结合起来，比如输入「最大披萨」，就能锁定特定图片。
这款应用发布之初，媒体无从得知谷歌究竟研发了多长时间。不过，一些搜索功能在Google+上出现一年多了。
两周前，谷歌以TensorFlow平台形式开源了它的人工智能主体部分。
尽管TensorFlow并不是第一个开源人工智能平台，但是，它是与谷歌强大图片搜索关系最为密切一个。
开源TensorFlow意味着，包括初创公司在内的其他公司，能够利用谷歌的这个开源平台，快速将人工智能和图片结合起来。尽管谷歌并未开放人工智能关键技术，包括在众多服务器上运行的能力。谷歌也没有开放让其如此强大的用户数据库。但是，谷歌的此举毫无疑问将**整个机器学习和人工智能创业生态的发展。
我们也期待着基于TensorFlow的各种震撼新应用能于明年进入市场。
Facebook Photo Magic
Facebook近期开始在Messenger应用上测试一项新功能——Facebook Photo Magic。这是一个可选应用，它会扫描手机相册照片并对它们进行面部识别处理。Photo Magic会识别照片中的人物(他们也是你的Facebook好友)，建议你和他们一起分享这些照片。
毫无疑问，这项功能给Facebook带来了双重优势。首先，它鼓励用户更多在Messenger上分享。其次，它改善了识别。但是，仅仅这项便利功能是不够的，用户实际上可以赞成或拒绝在任意灯光条件、角度和其他参数条件下，Facebook使用人工智能对面部和名字进行匹配。Facebook人工智能掌握的照片越多，识别效果也越好。
令人吃惊的是，即使遮住了脸部，Facebook的「面部识别」一样能能识别出你的脸部。这个系统也关注发型、姿势、衣着和身材。(请注意，我们并不清楚Facebook是否已经实现了这种先进系统，但很明显的是，它从用户照片中收集数据。)
Facebook 的Photo Magic拓展了图片库来源，它不仅收集Facebook(社交网站)，还收集Messenger(聊天应用)的数据，扩充了数据量。Photo Magic还鼓励赞成或否定匹配结果，提高数据质量。
很明显，Facebook最终目标是识别任意场景中的任何人，即使在看不清脸部的恶劣灯光条件下。毫无疑问，未来Facebook的人工智能会扫描和分析环境，发现可市场化的线索——比如，如果某人在照片里经常打棒球，广告商就可以利用这个信息锁定棒球迷，尽管他在上传照片的文字里并没有表露出这种兴趣。
毫无疑问，他们也打算通过观察图片中一起出现的人，进一步建立社交图谱。
