据Eurekalert网站9月18日消息，麻省理工学院的科学家开发出一个机器学习系统，可根据相关语音描述识别、定位和检索图像中的目标。与当前语音识别技术不同，该系统不需要人工转录语音或对语音注释供其训练，而是直接从对原图像的录音片段中学习词汇，然后建立语音和图像之间的联系。这项研究成果有望为语音和图像识别技术打开新的大门。
信息来源：https://www.eurekalert.org/pub_releases/2018-09/miot-mst091818.php