日前，AI领域的著名科学家吴恩达（Andrew Ng）在AI硬件峰会上表示，文本领域的革命即将在图像领域出现。他展示了一项名为“视觉提示”的技术，通过在图像上涂鸦来提示AI代理识别图像中的对象。这一技术的出现引发了人们对于AI视觉技术的热议。
通过使用Landing.ai的用户界面，吴恩达演示了如何使用视觉提示来训练AI代理识别图像中的对象。他在舞台上涂鸦了一只狗，并让AI代理成功地识别出了图像中的狗。此外，他还展示了如何使用视觉提示来计算培养皿图像中的细胞数量。这一技术的应用范围十分广泛，有望为许多行业带来巨大的改变。
吴恩达指出，在计算机视觉领域，目前正出现一种与三年前的自然语言处理（NLP）相似的氛围。他解释说，这种进展主要是由大型transformer网络推动的。在文本处理领域，大型语言模型（LLMs）已经取得了巨大的成功，并且在视觉领域，使用未标记的数据进行训练以及扩大模型规模也正在成为事实。这些进展有助于提升视觉模型的泛化能力，但同时也带来了新的挑战。
尽管人们对于大规模视觉模型（LVMs）充满期待，但这一技术尚未成熟。吴恩达在讨论中提出了一个未解之谜：如何为训练大规模LVMs所需的数据提供来源？目前，最大的文本生成LLMs通常依赖于互联网上的大量语料库进行训练。然而，互联网上能够提供大量未标记、非结构化的训练数据，但对于视觉领域来说，标记数据的数量相对较少。因此，如何解决数据稀缺的问题成为了研究人员亟待解决的难题。
AI视觉技术的发展为我们带来了巨大的机遇和挑战。视觉提示技术的出现为训练AI代理提供了新的思路，同时也展示了AI在图像领域的潜力。然而，大规模视觉模型的发展仍然面临着诸多困难。我们期待未来的研究者能够解决这些挑战，推动AI视觉技术的进一步发展。
文章来源：亿邦动力
