从阿里云官方获悉，近日，国际权威机器视觉问答榜单VQA Leaderboard出现关键突破，阿里巴巴达摩院以81.26%的准确率创造了新纪录，让AI在“读图会意”上首次超越人类基准。

近10年来，AI技术保持高速发展。然而在视觉问答VQA(Visual Question Answering）这一涉及视觉-文本多模态理解的高阶认知任务上，AI始终未取得超越人类水平的突破。

自然语言技术与计算机视觉交融，是多模态领域重要的前沿研究方向。其中，VQA是AI领域难度最高的挑战之一，对研发通用AI具有重要意义。

VQA的任务是根据给定图片及自然语言问题，生成正确的自然语言回答。

例如下面这张图，图中玩具人的IP出自哪部电影？AI先提取了问题关键信息——玩具人；再根据常识做出回答——星球大战。

在首届VQA挑战赛上，AI的最高准确率仅能达到55%。今年8月，达摩院以81.26%的准确率创造VQA Leaderboard全球纪录，首次超越人类基准线80.83%。

这是VQA测试以来，AI第一次超过人类水平，是标志性的重大突破。