MIT團隊發明真正能“看懂”世界的機器學習模型，百分之九十一的參與者認可其表現效果

然而，上述應用更加傾向于執行，離真正“智”的層面還有一定的距離，以及需要技術進一步突破。就像辦工桌上放著一臺電腦和兩部手機，機器人無法對這3個物體之間的位置關系進行描述。

人工智能部分應用場景

物體場景關系理解

當人類看到同樣的場景時，則可以定性地講出他們之間的位置關系，比如在桌子的中間放著一臺電腦，其中一部手機在電腦的左邊，另一部在電腦的前邊。

人工智能機器人與人類看到的同樣的場景不同的表達，本質區別在于，無法理解兩個甚至多個物體之間存在的糾纏關系，這也是為什么很多深度學習的人工智能機器人“看不懂”物質世界的原因。

如果對物質與物質之間的糾纏關系不了解，就無法真正做到智能，例如幫廚機器人很難執行“將醬油放電磁爐的一邊，然后再將醋拿起來放到另一邊”之類的命令。

為了解決人工智能機器這一應用難題，麻省理工學院科學家研發了一個模型，可以幫助機器理解部分場景中物體與物體之間的潛在關系。

該團隊所研究的模型每次可以表達一個單獨的關系，然后將每次的表達結合起來對整個場景進行描述，進而使得這個模型可以從文字表述中生成更加精準的圖像，相當于在所描述場景中對不同關系的多個單一關系進行排列組合。簡單來說，該團對制備的新模型可以像人類一樣與周圍環境中的物體進行互動。

該研究在未來工業機器人領域具有非常廣泛的應用前景，尤其是針對步驟多、操作復雜的任務。……