人工智能识别图片和视频中的物体，靠的不是预设规则，而是从训练数据里学出来的视觉模式。它先看大量样本，再从中总结出形状、颜色、纹理这些特征，最后用这些规律去判断新画面里有什么。

从数据里学"看"的本事

打开网易新闻 查看精彩图片

这套能力的起点是训练数据。模型在大量图像中反复接触不同物体，逐渐把视觉上的共性提取出来。形状、颜色、纹理是它区分物体的主要线索，这些特征不是人工写死的，而是从数据中习得的。

深度学习模型承担了这套学习过程。它负责从原始画面中分辨出上述特征，并把这些特征组合成可以复用的判断依据。

学到的规律，用在新画面上

训练完成后，模型会把学到的模式应用到它没见过的图像或视频上，据此识别出其中的物体。也就是说，识别新内容的能力，来自此前从训练数据中积累的视觉规律。

整个过程可以概括为三步：从训练数据中学习视觉模式，用深度学习模型区分形状、颜色、纹理等特征，再把规律用于新图像或视频的物体识别。