中国人工智能学会通讯——文字识别技术现状、挑战及机遇

今天非常高兴在这里作一个文字识别的技术现状、目前存在的问题及挑战、学术研究和商业应用机遇，以及未来技术发展趋势的报告。

首先简要谈一下人工智能。去年3月份，美国纽约时报采访了硅谷一些IT的大神们，请他们谈一下未来IT领域当中什么方向是潜在的爆发点，当时很多专家都不约而同谈到一个观点，就是人工智能很可能是未来IT领域的大事件。其实不仅仅是在工业界，在计算机学术界乃至整个科学界，人工智能过去几年都是非常热门的研究话题，举例来说，在过去两年，与深度学习和机器学习相关的文章已经有5次上了Nature或Science的封面文章。难怪科普期刊Scientific American去年撰文说，人工智能的春天来到了。在国内，我们发现人工智能的春天似乎也正在悄悄来临，从中国工程院、科技部以及政府，都在积极推动人工智能学术研究及其在产业中的应用发展。

视觉感知是人工智能当中特别重要的问题之一，为什么这么说？我们人类对世界的感知大约80%是通过眼睛获取的。计算机视觉使得人工智能看懂世界，典型的技术包括图像识别、人脸识别、视频监控等，这里还想强调一点，文字识别也是非常重要的计算机视觉技术。因为文字是我们感知这个世界最重要的手段，无论是从小学习知识到长大进行交流，衣食住行都离不开文字。在生活当中，文字也无处不在，离开了文字有时候我们很难理解整个社会和世界。文字的重要性还表现在很多方面，它是人类文明的标志，是信息交流的途径，学习知识的重要渠道，是记录历史、思想、文化的载体，文字和文明、文化还有很大的关系，现在很多人用惯了拼音输入法，很可能造成提笔忘字等现象，这是挺遗憾的一件事情。

有一句话这样说，一图胜千言，但是有时候如果图片当中没有文字，我们很难理解这幅图片的含义。如图所示，左边图是我在法国一家酒店里拍的照片，右边图是一幅漫画，大家能够猜到它们表达什么意思吗？特别是左边这个图，当时坑了我很久。右边图中配文是“心中的天气是晴是雨全在自己”。没有图片我们可能表达起来不是那么生动，但是没有文字，有时可能无法理解其含义。比如这幅图，没有文字说明很难猜其表达什么含义，其实它的配文是来自《金刚经》中的一句话“一切法无我，得成于忍”，讲凡事包容、忍耐的道理。再举个例子，这是个一个商品、商品包装的里面的正反面，大家第一眼看到可能想到这一定是药品或保健品，但是实际上它是一个食品——葡萄干。所以，我这里想表达一个观点就是，文字的重要性是非常大的，某种意义上来讲，如果给你一张图，若图上有文字，80%以上的情况下，图上的文字信息是最重要、最有信息量的。所以文字识别这个问题是一个重要的人工智能问题，从这个角度看，文字识别的问题如果没有解决好，人工智能就不能称得上真正的、完整的人工智能。

下面我讲讲文字识别的一些技术的现状。文字识别包括文档分析和文字识别两个部分。从文字获取的途径可以把文字识别分成OCR和在线文字识别两大类。OCR是处理及识别通过光学设备，如数码相机、扫描仪获取的文档图像，在线文字识别是处理通过数字笔、触摸屏捕捉的文字数据。两类问题都有很多不同的研究子问题及应用场景，今天由于时间关系，我重点给大家介绍一些领域的现状，以及它面临的挑战和机遇。