"در تصویر چیست؟"、سوال احمقانه ای به نظر می رسد، اینطور نیست؟ به عنوان مثال، مناظر ○○、یا پرتره △.、درسته؟。ای عزیز、آیا این طبیعی است؟。
جلوی تابلوی نقاشی با عنوان "منظره ○○"、آیا واقعاً به آن نگاه می کنید که فکر می کنید این منظره آن مکان است؟。در نمایشگاه ها و غیره、اگر از کسی که نقاشی را می بیند به جای نقاشی قدردانی می کنید.、من واقعا اینطور فکر نمی کنم.。شاید مثال مناسب نباشد.、به عنوان مثال، "گندم زار با کلاغ" ون گوگ.。مون、صحنه ای است با یک کلاغ در گندم زار.、افرادی هستند که در هنگام تماشای فیلم واقعاً چنین فکر می کنند.、من فکر نمی کنم حتی یک نفر وجود داشته باشد.。
شاید بدیهی به نظر برسد، اما در "گندمزار با کلاغ ها"、چیزی که شما سعی می کنید ببینید گندم زار یا کلاغ نیست.、این "ون گوگ" است، درست است؟。در گوشه ی گندم زار یک اسکلت نصب کنید、با موهای کوتاه و چشمان گوگ،、او طوری طراحی میکند که انگار دیوانه است و قلم مو را به بوم میکوبد.、فرد بدون گوش。"کلاغ..." که دیدی、ون گوگ باید روی لبه بوم کشیده می شد.。و、سعی نمی کردی صدای کلاغ را در آن گندم زار بشنوی؟。
بسیاری از مردم、شاید اینطوری به عکس نگاه می کنید。من اینطوری عکسها رو خوندم。
خوشحال؟ به خصوص、این چشم اندازی است که هوش مصنوعی نمی تواند ارائه دهد.、من فکر می کنم این طوری است که شما آن را می خوانید。اگر داده های متنی و داده های تصویری (ویدئویی) دارید به نام ○○ مناظر、این را به هم گره بزنید、علاوه بر این، اگر مقاله ای مانند آنچه که من نوشتم وجود دارد، آن را نیز بخوانید.、به نظر می رسد که بتوان آن را به طور قابل قبولی برای شخص ثالث توضیح داد.。
اما、انسانها دادههای متنی دارند که «○○ مناظر» نامیده میشوند.、حتی اگر داده های تصویر وجود دارد、می تواند آنچه را که وجود ندارد بخواند (داده)。اجازه ندهید هوش مصنوعی همه چیز را از بین ببرد、تا به نوعی با هم همزیستی کنند、بیایید سعی کنیم "تصاویر بخوانیم"。