阿里達(dá)摩院在機(jī)器視覺問答VQA榜單中首次超越人類

8月12日消息，在國際權(quán)威機(jī)器視覺問答榜單VQA Leaderboard上，阿里巴巴達(dá)摩院以81.26%的準(zhǔn)確率創(chuàng)造了新紀(jì)錄，讓AI在“讀圖會(huì)意”上首次超越人類基準(zhǔn)。

今年6月，阿里達(dá)摩院在VQA 2021 Challenge的55支提交隊(duì)伍中奪冠，成績領(lǐng)先第二名約1個(gè)百分點(diǎn)、去年冠軍3.4個(gè)百分點(diǎn)。此次達(dá)摩院再次以81.26%的準(zhǔn)確率創(chuàng)造VQA Leaderboard全球紀(jì)錄，首次超越人類基準(zhǔn)線80.83%。

據(jù)了解，VQA是AI領(lǐng)域難度最高的挑戰(zhàn)之一。在測試中，AI需根據(jù)給定圖片及自然語言問題生成正確的自然語言回答。這意味著單個(gè)AI模型需融合復(fù)雜的計(jì)算機(jī)視覺及自然語言技術(shù)：首先對所有圖像信息進(jìn)行掃描，再結(jié)合對文本問題的理解，利用多模態(tài)技術(shù)學(xué)習(xí)圖文的關(guān)聯(lián)性、精準(zhǔn)定位相關(guān)圖像信息，最后根據(jù)常識及推理回答問題。

值得一提的是，這不是阿里達(dá)摩院第一次在AI關(guān)鍵領(lǐng)域超越人類基準(zhǔn)。2018年，達(dá)摩院曾在斯坦福SQuAD挑戰(zhàn)賽中歷史性地讓機(jī)器閱讀理解首次超越人類，引發(fā)海媒體體關(guān)注。

今年以來，達(dá)摩院在AI底層技術(shù)領(lǐng)域動(dòng)作頻頻，先后發(fā)布了中國科技公司中首個(gè)超大規(guī)模多模態(tài)預(yù)訓(xùn)練模型M6及首個(gè)超大規(guī)模中文語言模型PLUG，并開源了歷經(jīng)3年打造的深度語言模型體系A(chǔ)liceMind，其曾登頂GLUE等六大國際權(quán)威NLP榜單。