【CV现状-3.0】"目标"是什么

#磨染的初心——计算机视觉的现状

【这一系列文章是关于计算机视觉的反思，希望能引起一些人的共鸣。可以随意传播，随意喷。所涉及的内容过多，将按如下内容划分章节。已经完成的会逐渐加上链接。】

1. 缘起
2. 三维感知
3. 目标识别
   3.0. 目标是什么
   3.1. 图像分割
   3.2. 纹理与材质
   3.3. 特征提取与分类
   3.4. 其它
4. 目标（和自身）在三维空间中的位置关系
5. 目标的三维形状及其改变、目标的位移
6. 符号识别
7. 数字图像处理

目标是什么

前文中列举了五项人类视觉感知理解到的要素，第一项就是目标，后三项都是目标的行为和属性，在三维感知部分也一而再地提到目标。那么到底什么是目标？具有一定结构和形状的物体吗？物体又是什么呢？粘连在一起的物质吗？ 然而仅凭视觉并不能区分物质，视觉能够直接观察到的是图斑。为什么某些图斑可以结合在一起被识别为目标，而有些又不能呢？将图斑结合为目标的依据是什么？ 这一系列问题都不能在计算机视觉的研究成果中找到答案，对这些问题的回答仍然离不开认知心理学，在此给出我的思考权作抛砖引玉。

目标肯定是粘连在一起的具有一定结构和形状的物体，然而这绝对不是目标的本质，目标的本质应该在于功用——由材质、形状、结构、环境、自然法则、生活经验共同确定下来的对于生存的意义。对于生存的意义体现在满足了需求，在需求被满足的过程中，人类创造并直接命名了各种目标，比如草、树、河、湖、牛、羊、猪、虎、豹、熊、桌子、椅子、房子等。草、树的果实能够为人类提供碳水化合物，河、湖可以为人类提供水源，牛、羊、猪可以为人类提供肉类，人类可能会成为虎、豹、熊的肉类，桌子、椅子、房子是满足人类居住需求的用具。除了这个定义，目标与目标之间存在两种关系——类别归属和结构组成。一眼看去，汽车是由轮子和车厢组成的，而气车又有客车、货车、工程车之分。

在这个目标的定义之下，将图斑结合为目标的依据是显而易见的——材质、形状、结构、环境、自然法则、生活经验、生存需求。其中能够从数字图像中识别到的只有材质、形状、结构。环境则是已识别出来的目标的总和，为目标的识别提供了先验。由轮子和车厢组成的并不总是汽车，还有可能是火车，跑在铁轨上的才是火车；如果识别出了铁轨，那么在上面运行的一辆很像大客车的东西一定是火车头。这些识别依据之间的作用机制又是什么样的呢？ 材质、形状、结构应该是最基本的，也是最先起作用的，很多目标（尤其是常见的）可以仅仅通过材质、形状、结构以很高的置信度识别出来，另外一些目标（不常见的、有遮挡的、画作中的等）则需要结合环境、自然法则、生活经验、生存需求进行推理才能识别出来。

环境中的目标多如牛毛、千差万别，从识别依据到目标映射也会不计其数。但是在生活中，我们并没有从所有已认知的所有目标中筛选环境中的目标，似乎是从当前环境中可能出现的目标中识别出目标的。要做到这一点，意识的连续性应该起到了很大的作用。在连续有意识的情况下（没有断片），对环境的持续感知只需要少量的更新操作，而不需要重建对环境的感知。一旦意识中断，再次苏醒之后，几乎所有人首先要弄清楚的就是——这是什么地方？是怎么来的？这就是对环境感知的重建，当然这也是通过识别目标完成的。另外“有意识”还包含了主观能动性的意义，也就是，在很多情况下环境的改变是自我意识主导的，只需要通过识别少量目标检验一下环境是否符合预期。比如一个人要去一个地方，他知道怎么走，知道一路上有什么，也知道目的地有什么，按照他预先想到的路线行走的过程就是对预期验证的过程。

前面关于目标的定义，还包含了一个更为宏大的论题——智能的最原始、最终极、第一性目的是什么？这里给出的答案是生存、存在。对于生命来说不管是选择永生，还是选择繁殖，都避免不了要从环境中摄食来补偿自身的损耗。当出现以其他生命体为食的生命体时，演化出智能的条件——严酷的生存竞争——就具备了。人类正是生存竞争所演化出的高级智能的载体。一旦生存竞争消失，智能便不再进步；一旦生存和存在的目的消失，智能是否仍然存在？如果没有生存目的，智能也将不复存在，那么是否能够让一个智能以自身载体之外实体的存在为目的？这三个问题的回答决定了人类是否能够造出人工智能，以及是否能够造出与人类共存的人工智能。