阿里达摩院在机器视觉问答VQA榜单中首次超越人类

8月12日消息，在国际权威机器视觉问答榜单VQA Leaderboard上，阿里巴巴达摩院以81.26%的准确率创造了新纪录，让AI在“读图会意”上首次超越人类基准。

今年6月，阿里达摩院在VQA 2021 Challenge的55支提交队伍中夺冠，成绩领先第二名约1个百分点、去年冠军3.4个百分点。此次达摩院再次以81.26%的准确率创造VQA Leaderboard全球纪录，首次超越人类基准线80.83%。

据了解，VQA是AI领域难度最高的挑战之一。在测试中，AI需根据给定图片及自然语言问题生成正确的自然语言回答。这意味着单个AI模型需融合复杂的计算机视觉及自然语言技术：首先对所有图像信息进行扫描，再结合对文本问题的理解，利用多模态技术学习图文的关联性、精准定位相关图像信息，最后根据常识及推理回答问题。

值得一提的是，这不是阿里达摩院第一次在AI关键领域超越人类基准。2018年，达摩院曾在斯坦福SQuAD挑战赛中历史性地让机器阅读理解首次超越人类，引发海外媒体关注。

今年以来，达摩院在AI底层技术领域动作频频，先后发布了中国科技公司中首个超大规模多模态预训练模型M6及首个超大规模中文语言模型PLUG，并开源了历经3年打造的深度语言模型体系AliceMind，其曾登顶GLUE等六大国际权威NLP榜单。

作者：林辰