吳恩達押注Agent新成果官宣！零樣本標記實現(xiàn)圖片目標檢測
剛剛，AI大牛吳恩達官宣創(chuàng)業(yè)公司新成果——Agentic Object Detection（Agent目標檢測）。
無需標注訓練數(shù)據(jù)，模型僅通過推理就能在圖片中定位指定物體。
舉個栗子，在一張長滿草莓的圖片中，提示詞為“未成熟的草莓”，AI模型立馬分分鐘幫你找出。
據(jù)吳恩達介紹，以前視覺AI要想識別物體，需要在大量標注數(shù)據(jù)上訓練，而現(xiàn)在AI只需瞥一眼圖片，短暫思考后（當前約20~30s）就能立刻輸出正確內容。
而通過推理實現(xiàn)零樣本標記的方法也令一眾網(wǎng)友感到興奮，未來應用潛力巨大。
目前這個AI工具人人免費可玩（也為開發(fā)者提供了API），僅過去幾小時，一大波網(wǎng)友試玩已新鮮出爐~
網(wǎng)友瘋狂試玩ing
還是先來看下吳恩達的詳細介紹。
在他看來，Agentic Object Detection改變了目標檢測的工作流程。
傳統(tǒng)視覺AI的目標檢測，通常需要繪制大量邊框來標注數(shù)據(jù)，然后在神經(jīng)網(wǎng)絡上訓練。
而現(xiàn)在，新的AI系統(tǒng)將耗時耗力的標注過程省略了。它將感知規(guī)劃行動等都糅合在一起，通過調用一系列工具，以及對任務長度進行推理，最終實現(xiàn)了零樣本標記輸入輸出。
按他的說法，這就好比“睜眼版”o1和DeepSeek R1，看一眼，然后立即思考作答。
介紹過程中，除了一開始提到的草莓識別，他還展示了其他幾個demo（請大家來找茬doge）。
planes with two engines（帶兩個引擎的飛機）
再比如在超市貨架上找出某品牌的麥片。
Kellogg’s branded cerea
當然更實用的場景是，假如在家里翻箱倒柜找不著東西了，召喚它來幫忙（媽媽：別整天媽媽媽）。
除此之外，網(wǎng)友們也開始集體交作業(yè)，整體看下來大部分都成功了。
簡單的有，找出板球運動中的擊球手（batsman）。
或者檢測出特定程序項目。
再比如找出航拍視角下的荒漠綠植。
當然，還有類似下面這樣的日常生活。AI成功找到了一大盤食物中的壽司，不過在找貨架上的汽水時，網(wǎng)友反饋只有詳細到芬達這個品牌名才有可能成功，單純提示“汽水”nonono。
更難的有，分別識別出美式足球中的攻守兩方隊員（上下驗證能對得上）。
甚至也能快速找出非常迷你的飛鏢。
不過，也有網(wǎng)友分享了少部分翻車案例。
同一張圖，當網(wǎng)友試圖找出戴帽子的人，AI明顯漏了，一眼就能看到23號隊員。
而且也無法識別圖中的矩形。（地面，看看我）
經(jīng)網(wǎng)友總結，顯然Agentic Object Detection對一些常見問題（如遮擋、光線過曝等）還無法良好適應。
正如我們前面提到的草莓，有火眼金睛的網(wǎng)友發(fā)現(xiàn)，AI誤將一個光線不佳的成熟草莓識別為“未成熟”。
不過吳恩達也早已提到，目前這個還只是初步嘗試，檢測質量、回答速度等后續(xù)還會進行優(yōu)化。
出自吳恩達第二個創(chuàng)業(yè)項目
眾所周知，吳恩達從2017年離開百度后（百度前首席科學家）便投身AI創(chuàng)業(yè)。
目前已知的人工智能項目有3個。
2017年6月，他官宣了第一個創(chuàng)業(yè)項目Deeplearning.ai，主要和教育相關（他目前還是斯坦福大學CS客座教授）。
這是一個AI在線教育平臺，通過提供深度學習課程和資源，幫助人們學習AI技術。
在這之后，他又推出了第二個創(chuàng)業(yè)項目Landing.ai，專注于幫助企業(yè)實現(xiàn)人工智能轉型。
從當時的介紹來看，其目標是通過AI技術提升企業(yè)效率，解決制造業(yè)中的痛點問題。例如提高生產(chǎn)效率、優(yōu)化供應鏈管理、減少浪費等。
后來Landing.ai還和富士康等企業(yè)建立了戰(zhàn)略合作關系，共同開發(fā)AI技術、人才和系統(tǒng)。
而這一次的Agentic Object Detection，從官宣視頻來看即是出自該項目。
這也透露了，這一新工具大概率也是面向B端應用。
也幾乎是同時，他在2018年成立了第三個創(chuàng)業(yè)項目AI Fund，顯然這是一家專注于投資人工智能初創(chuàng)企業(yè)的投資基金。
當時資金規(guī)模達到1.75億美元，投資者包括NEA（New Enterprise Associates）、紅杉和軟銀等一眾知名機構。
而近來，他更是對Agent智能體押下重注。
早在去年年初，他曾通過Deeplearning.ai平臺預言：
超越下一代基礎模型，Agent工作流將推動AI巨大進步。
當時他就提到，就像大語言模型（LLMs）在零樣本模式下工作（提示模型逐個生成最終輸出token，而不修改其工作），Agent在執(zhí)行一系列步驟（如規(guī)劃、執(zhí)行、反思等）后可能比單次產(chǎn)生更好的效果。
現(xiàn)在，是時候逐步檢驗一系列新成果了。
所以，你能想到這項技術還有哪些潛在應用嗎？
（發(fā)出網(wǎng)友同款疑問）
