谷歌“猜画小歌”代表的AI识物技术，最大商业化场景可能是旅游和教育

AI能说和听，这事儿大伙都知道。比如足够普及的智能音箱和手机里的语音助手、语音输入法。

而在感知智能这个大方向里，AI当然不只能说，同时还能看——比如说在张学友演唱会上抓个逃犯啥的。但AI的“看”不仅是识别人脸，同时也可以认识和判断物体。比如谷歌的猜画小程序就是依靠AI识物来实现的。

但这个领域，似乎还没有找到太多商业化的办法。人脸识别可以进行大规模安防应用，但AI识物在今天的更多应用展示，还是停留在游戏与炫技的层面。

有没有办法让AI识物的能力从“闹着玩”，变成“能赚钱”？

国内外各种AI势力正在努力破解这个问题。理想总归是美好的，而现实是缓慢掺杂着残酷。

AI之眼，似乎还没有带给商业世界足够的魅惑。

普通人能够应用的AI识物能力，最主要还是集成在手机摄像头当中。当用户把摄像头对准想要识别的各种东西，AI系统就会通过图像识别以及OCR技术，给出相应的结果。

听起来还是蛮带感的。

而这个领域目前探索幅度最大的，还是AI巨头谷歌。在2017年I/O大会上，谷歌发布了集成在Google Photos里的Google lens功能。通过这个功能，手机用户可以将摄像头对准各种各样的东西，然后让AI开口说话，告诉你ta看见了什么。

确切来说，lens的很多功能还是相当具有实用性的。比如当旅行者面对一个不知名的文物古迹，可以用Google lens 来获知相关的历史以及文化知识；对准一瓶葡萄酒，AI可以告诉你这瓶酒的各种信息，比如年份、品饮方式、价格等等；在异国他乡拍摄交通指示牌，AI会借助谷歌翻译的力量把这些信息翻译出来。

谷歌没有公布lens到底能识别多少东西，但就目前情况来看，其可识别种类已经相当多。在今年的I/O大会上，该功能还被进一步升级，可以用来拍照识别文字信息、推荐穿搭风格，甚至还能识别海报给出艺人资料与作品。

从一年的发展来看，谷歌对于lens的期待很大，不仅升级了它的产品地位，还不断激发新功能，并建立与谷歌其他AI应用的联系。

但看似无所不能，什么都能识别的lens也有软肋：lens的真实工作流程，是将识别物体与数据库进行匹配。换言之数据库的大小直接影响着lens的使用体验。而其技术本身的创造力则乏善可陈。比如吴恩达去年就无情嘲笑过，lens的识花功能其实早就是百度玩剩下的。

目前来看，lens在真实生活中还是“偶尔惊艳，日常痴呆”。当然对于中国消费者的不便就更多了，比如lens目前并不支持中文。

但是AI识物这条路却是兵家必争之地，微软就不断宣称bing搜索中的拍照搜索一点也不必lens差。

可无论是谷歌还是微软，都无法解决AI识图搜索的根本问题：用户打开率低，商业化程度较差。

相比于谷歌非常强势地推出了“用我可以识别一切”的AI识物功能。国内AI企业，无论是BAT还是创业公司，似乎都还处在这一技术应用初级开垦阶段，同时也更聚焦于快速商业化的可能。集中表现就是，国内AI识物的应用大多集中在几个场景中：

1、识图购物。这个功能已经屡见不鲜，无论是淘宝天猫还是京东，都已经投放了识图购物的功能。让用户可以通过拍照进行商品匹配，较高效率获知现实中商品在自家平台上的价格。就技术解决方案来说，由于拍摄商品往往是特征较明显、信息比较明确的AI识别品类，比如衣服、箱包等等，所以这类识图技术难度不高，加上完整的商品数据库，并不需要很强的技术探索能力。但缺点也很明显，那就是用户打开的针对性太强，

2、识花。各种各样的识花软件和产品功能，早已经洗礼了中国用户的AI常识。目前花卉植物的AI识别能力已经被做得相当精准。问题可能集中在大部分这类应用还是需要调用云端数据库进行匹配，识别速率并不高。而跟识图购物同样的问题，在于应用场景太狭窄。毕竟大家都没空天天春游……

3、识字。相比于识别花卉，文字识别其实对于OCR纠错、模糊识别等领域的技术挑战更大。尤其是识别手写体以及古文字。而国内很多AI创业公司已经开始聚焦于拍照识别文字的细分应用领域。比如我们已经能看到AI识别和录入名片、用AI拍照并实现外文翻译；以及旅行中用AI来识别碑刻、匾额、金石文字等等，为旅游增添乐趣。

4、批作业。从文字识别引申出国内另一个AI识物的主要流派，是用AI来识题和批改作业。这一领域要求足够的数据支撑和手写体识别能力，目前只能说还处在早期应用阶段。但对于数学等科目来说，AI批改作业和判试卷已经基本能够实现。而且批作业的AI还引申出另一个应用——用AI来答题的考试作弊神器。