生活中，AI图像识别无处不在。图像搜索、无人驾驶汽车、人脸识别技术……这一切，不能离开一项技术——卷积神经网络，这项技术就像AI的眼睛。

  20世纪50至60年代，大卫·休伯尔和托斯坦·威泽尔对猫的视觉进行了研究，他们发现在一幅画面进入猫的视野之后，猫大脑中负责视觉的神经元被不同的东西激活了，有的神经元对线条比较敏感，有的神经元对大块颜色比较敏感，这些神经细胞一起工作，帮助生物识别各种复杂的图像，这项研究让大卫和托斯坦获得了1981年诺贝尔生理学或医学奖，也启发了AI领域一个很重要的算法——卷积神经网络。

  卷积的过程是由卷积核来完成的，一张图片在计算机眼里其实是一个个像素点组成的矩阵，卷积核不是单独去考虑每一个像素点上的信息，而是同时对某个区域的像素点信息做处理，这样做才能够考虑相邻像素点的信息，更好地提取出更高级的特征，以帮助神经网络做出更好的判断。

  汇聚又称直化。图片往往是一个较大的矩阵，汇聚能够把一块区域里的信息压缩成一个信息。例如对一个16×16的矩阵，能够最终靠汇聚的方法提取2×2格子里颜色最深一格的信息，就能将其变成8×8的矩阵；如果再进行一次相同的汇聚，可以把8×8的矩阵变成4×4的矩阵。虽然图像汇聚后会有一些变化，但是依然保留了整个图像的基本特征。

  卷积和汇聚让卷积神经网络能够非常好地对图片信息进行提取，对于图像的学习处理效率有了非常大的提升。当然，卷积神经网络也会使用与神经网络相同的反向传播算法，不断根据已知结果逆向调整神经网络中的参数，以做出越来越准确的判断。

  卷积神经网络是在20世纪80年代末出现的，直到2000年以后，人们发现卷积神经网络和GPU的配合，能够让卷积神经网络的学习训练速度大大加快，因此，卷积神经网络迅速被应用到了生活的每个方面。在购物软件中识别商品种类，在旅途中识别花花草草，在线办理业务时识别面部都要依赖卷积神经网络。并且，卷积神经网络最初仅是用于处理视觉图像信息，经过迭代和发展，AI能够更好地看见、理解我们的世界，在音频识别自然语言处理等方面有着光明的前景。

  【山东科协每日科普】人脸识别、图像搜索、无人驾驶……你了解AI图像识别是如何工作的吗？科普青岛轻触阅读原文

  原标题：《【山东科协每日科普】人脸识别、图像搜索、无人驾驶……你了解AI图像识别是如何工作的吗？》

  本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。