本文考察了人視覺系統的發展過程，總結出實現視覺物體分割的兩大類途徑 , 一類是基於多視覺訊號分析，通過同一物體在不同視覺訊號上的對應關係來實現物體分割；另一類是利用先驗資訊實現物體分割。受此啟發，本**也通過這兩類途徑實現計算機的視覺物體分割，針對前一類途徑，重點研究了匹配和運動建模兩大關鍵技術；針對後一類途徑，提出了兩種通用的模型來統一編碼常見的先驗資訊。
事實上，人的視覺機制極其複雜，底層視覺能力不僅能幫助語義推理，對於高層視覺能力本身的學習也至關重要。而人的視覺系統成熟以後，高層語義分析能力又能反過來改進人的運動估計、立體匹配等底層視覺能力。隨著深度學習技術在視覺領域的廣泛應用，高層視覺（分類、檢測、分割等）進步顯著[10] ，這也將使得更豐富、全面地研究底層和高層視覺能力的相互促進成為可能。
另一方面，需要注意的是，計算機並不等同於人，計算機相比於人能利用更豐富的感測器、更多的資料，以及更強大的計算資源。例如，人只能感知可見光，而計算機則可以採集各種頻率下的光譜訊號，人只能用雙目視差來測距，其應用範圍和精度有限，而計算機則可以利用各種各樣的距離感測器來得到準確的距離資訊等。因此，儘管人類的視覺系統為我們提供了乙個非常好的模仿案例，但也不必拘泥於完全地模仿人類。最後，也應看到儘管深度學習技術的出現大大提公升了計算機視覺的水平，計算機的物體分割和其它視覺能力與人仍有較大差距，這些都需要學者們繼續努力來進一步縮小與人類視覺的差距。
《中國人工智慧學會通訊》 2 24 結 果
我們將人類 bpl 以及其他模型在 5 個概念學習任務上的結果並列進行對比，檢驗僅從乙個或一些樣例得到的不同形式的泛化 見圖 5 的樣例任務 所有的行為實驗都是通過亞馬遜土耳其機械人 mechanical turk 進行的，實驗的詳細流程請參考 s5 章節。主要實驗結果總結在圖 6 中，額外的殘缺分...
《中國人工智慧學會通訊》 3 28 討 論
近年來，各種型別的 機械人層出不窮，人機互動控制策略對於 機械人實現臨床應用意義重大。通過上文的回顧分析，可以看出，現有人機互動控制依然存在如下問題。目前還不存在一種通用的人機互動控制策略。針對患者損傷部位及損傷程度採用合適的控制策略是常規的方案，但正如前文所述，現有 機械人系統的互動控制系統通常缺...
《中國人工智慧學會通訊》 1 32 詞嵌入
在此基礎上，也有研究者關注如何利用已有的知識庫來改進詞嵌入模型。wang 等人 5 結合知識圖譜和未標註語料在同一語義空間中來聯合學習知識和詞的向量表示，這樣可以更有效地實體詞的嵌入。rothe等人 6 直接利用 wordnet 知識庫的詞和語義集的關係來學習詞嵌入，能更好地利用已有的知識庫。該 獲...