AI错删YouTube机器人视频背后是人类难以消弭的身份焦虑( 五 )_人类有时理性。为了让机器人学习技能

目前的视频行为识别模型，都使用动作分割好的数据集进行训练，像是 UCF101、ActivityNet、DeepMind 的 Kinetics、Google的AVA数据集等等。每个视频片段包含一段明确的动作，并被打上了明确且唯一的分类标签。但是真实环境中的视频都没有被预先切分，有时还会包含多人动作等复杂场景，或是包含复杂的情绪、意图，这些问题的处理难度都比人脸识别等明确定义的难以下，所以实际应用时准确率就会下降。

图4/6

比如一只狗张开嘴巴，和一个人打开门，都会用“打开”(open)这个动词来标注，并被放进同一个分类中……从这个角度看，YouTube算法将机器人战斗当做动物虐待，好像也挺符合它目前的“智商”的。

对视频中的行为进行分类就已经很难了，如果再加上时序，就更让AI发愁了。

因为对于图像中的物体，目前的技术已经能做到很容易地进行检测和分割，然而生物行为的时序边界往往是很不明确的，一个动作何时开始、何时结束，动作变化幅度太大等等，都很容易让算法“眼花”。一方面，既要在大量连续帧之间解决时序冗余的问题，提高检测速度；又要提高“眼力”，在运动模糊、部分遮挡等情况下也能精准定位和识别，就在前不久Google又提出了新的基于Q-learning学习自适应交替策略，就是在速度与准确率之间寻求平衡。至少从这次“算法误删事件”看来，这条技术高山还需要工程师们持续向上攀爬。