北京時間1月16日消息，據美國科技博客網站SlashGear報道，美國楊百翰大學工程師開發出了一套名為“ECO features”的新算法，顯著提升了物體識別的準確率，在某些情況的識別準確率甚至達到100%。

        智能物體識別系統曝光：準確率最高達100%

        無需人工培訓，計算機也能準確識別物體，這種原本很虛幻的想法現在有了實現的可能。目前，研究人員已經知道如何教會人工智能憑直覺識別面部、某些物體和更多東西的重要特征，以及它們之間的不同。由美國楊百翰大學工程師李大捷(Dah-Jye Lee，音譯)開發的新算法，讓計算機掌握了如何自我識別的技能，從而避免了人為干預：不是由操作人員來識別不同物體(如一個人和一棵樹)之間的個體差異，而是賦予計算機一套工具，讓它自己識別物體之間的不同，然后在不斷實踐中提高“技能”。

        李大捷表示，從理論上講，這一過程與老師教孩子學習類似。在這項研究中，李大捷使用一臺加載了各種圖像樣本集(他挑選了面部、飛機、汽車和摩托車等樣本)的計算機，以及上面提到的新算法(稱為“ECO features”)，然后讓計算機自己找到識別物體的重要元素。

       智能物體識別系統曝光：準確率最高達100%

        例如，計算機可能會發現飛機機身和機翼之間的獨特角度，然后借此識別飛機與汽車之間的區別。李大捷的研究團隊發現，新算法在對四組數據集的識別中，每一組的準確率都達到了100%。

        另外，雖然識別一個種類中的不同物體難度更大，但ECO features算法依舊能夠保持更高的準確率。李大捷的算法在對四種魚類進行識別時，準確率也達到了99.4%。相比之下，同類物體識別系統在判斷上述四種魚類差異時的準確率最多只能達到98%。因此，在同類物體的識別中，ECO features再次勝出。

        李大捷的團隊認為，ECO features在無人或人力密集型的場合下大有用途，如追蹤某個棲息地的入侵物種，鎖定生產線某些產品的瑕疵。此外，這種算法在物聯網也有巨大的應用潛力，在這種環境下，可以讓系統監控進出建筑物的個別人、追蹤用戶在冰箱里留下的食物，甚至是幫助車輛在智能城市里行駛等等。