長期以來，電腦對於“文字”和“圖像”，一直採取不同類別的處理模式，然而要直接讓電腦透過一幅圖片立即迅速、準確地給出對應的一句文字解釋，幾乎是一件不可能的事情。“利用百度的深度學習能力，即一種靈感來自於人腦運作方式的人工智慧技術，百度成為世界上第一個解決這一技術難題的公司”， 百度研究院副院長，深度學習實驗室(IDL)主任余凱表示，“利用CNN(卷積神經(jīng)網(wǎng)路)和RNN(遞歸神經(jīng)網(wǎng)路)技術，百度成功地實現(xiàn)將圖像內(nèi)容生成自然語言的描述性句子或段落，從而在高層語義層面建立了圖像和自然語言之間的橋梁，也就是“機器讀圖”，而這可以説是人工智慧領域的一次技術飛躍。”

　　據(jù)介紹，百度的這一項目，由百度研究院傑出科學家徐偉主導的團隊，毛俊華、楊億，王江等人研發(fā)，其研究成果的相關論文于2014年10月份公布於arXiv。隨後，包括谷歌、微軟等多家知名公司和諸如多倫多大學等一批致力於該技術研究的機構，相繼公佈各自的研究成果——無一例外，在研究報告或者論文中，均引用了該論文。“百度在人工智慧領域的投資力度一直很大，我們的突破既得益於公司整體戰(zhàn)略的支援，也離不開整個團隊日日夜夜的奮鬥”，徐偉表示，“百度深度學習研究院為人工智慧技術的發(fā)展提供了得天獨厚的條件和資源，而且百度始終有著一個開放的技術心態(tài)”。

　　圖注：百度研發(fā)的“機器讀圖”技術，能夠幫助電腦根據(jù)圖片內(nèi)容自動生成一段描述文字

　　據(jù)悉，這項技術突破，一方面有巨大的應用空間，比如讓用戶通過自然語言找到需要的圖片或視頻，結合Baidu Eye幫助盲人了解周圍環(huán)境，幫助兒童學習語言等。另一方面在人工智慧的發(fā)展上有重要的意義。因為這個技術把傳統(tǒng)上人工智慧的兩大分支- 自然語言處理和電腦視覺無縫地連為一體，從而使電腦能夠真正地學習和建立語言和所感知到的物理世界之間的聯(lián)繫，這對於解決長期困擾人工智慧的難題“常識推理”(common sense reasoning)是重要的一步。

　　人工智慧技術屬於當前網(wǎng)際網(wǎng)路領域技術研發(fā)的最前沿。簡單而言，可以將之理解為一種幫助電腦理解語音、圖像以及文字內(nèi)容的智慧技術。近些年，全球網(wǎng)際網(wǎng)路領域的幾大巨頭——谷歌、微軟、蘋果和Facebook等都在積極進行人工智慧方面的研發(fā)，以改進其在圖像、視頻及語音的資訊處理方面提供服務的能力。比如，谷歌一連收購8家機器人公司，蘋果則表示在電腦視覺、機器學習、以及演算法編寫等領域存在大量的職位空缺——在一定程度上，人工智慧技術被認為是網(wǎng)際網(wǎng)路産業(yè)的下一個“引爆點”。

　　很顯然，百度注意到了這一網(wǎng)際網(wǎng)路發(fā)展的大趨勢，並迅速對此展開了積極而全面的佈局。2014年5月，有著“谷歌大腦之父”的深度學習專家吳恩達加盟百度，任職百度首席科學家。隨即，百度宣佈未來5年內(nèi)將對其深度學習實驗室投資3億美元。2014年9月，另一位重量級技術人才——前微軟全球資深副總裁張亞勤亦正式加盟百度，任職百度總裁並全面負責新興業(yè)務。技術出身的張亞勤在大數(shù)據(jù)、雲(yún)計算等技術創(chuàng)新方面與百度未來戰(zhàn)略不謀而合。

　　2014年9月25日，美國知名高科技網(wǎng)站Xconomay的一篇介紹性報道指出，諸多“事實和數(shù)據(jù)”顯示，來自中國的搜索巨頭百度，正在成長為全球人工智慧領域的領袖型企業(yè)之一。

　　“我們需要有這種信心，甚至對我來講是一種信仰：就是對於技術的投資會獲得回報，而且不僅僅是給百度帶來回報，更會給整個社會帶來非常大的回報。” 在2014年11月于浙江義烏古鎮(zhèn)舉行的世界網(wǎng)際網(wǎng)路大會上，百度公司創(chuàng)始人、董事長兼CEO李彥宏如此表示。而根據(jù)李彥宏的透露，百度正持續(xù)投入大筆資金用於人工智慧研究。

　　“有一天電腦會比人腦聰明。對於自然語言的理解、模式的識別、電腦的視覺這些聽起來很遙遠的事情，其實很快可以實現(xiàn)。”李彥宏説：“技術的積累是從量變到質變的過程，量變的過程我們經(jīng)常忽略，質變發(fā)生時我們又經(jīng)常被打得措手不及。而對於即將到來的質變，我希望百度能有所貢獻。”