記者／蕭子睿
Google近期為加強AI的影像識別技術，使用AVA（atomic visual actions）數據學習模式，搭配旗下YouTube公開的上百萬部影片，將影片中人的動作做分類後，讓人工智慧系統可以迅速分析人類的動作行為，並理解其背後的含義，以創建龐大動作數據資料庫。
￭AVA分析YouTube的影片樣本。（截圖自／Google Research Blog）
人工智慧目前可以分析靜態影像，但是辨識人類的動作上難度高，不論是動作或手勢等，除了因為動作的表現有許多細節外，地區文化、種族等因素也有不同的意涵，使AI技術可能產生謬誤，而成為無法突破的難題。
而AVA用真實的影片做實驗，以電視與電影類別為素材，將YouTube中約五十多萬部的影片，針對每一部擷取15分鐘的內容，將其均分為300組3秒片段進行分析，並做不同的標記區分動作細節，輸入至資料庫之中，進而讓人工智慧能深度學習，了解人類互動行為所代表的意義。現在已經分析了九萬六千多個人類動作，完成兩萬多個識別標籤。
透過建立動作數據資料庫，可以提升AI的行為預測能力，以及動態影片內容的分析應用，未來幫助YouTube 處理與審核影片，讓影像內容的分類更為完整，同時廣告主也能在投放廣告內容選擇上有更精準的分析。