我们一般给人工智能喂养视频数据，或者我们平时看的短视频电视剧电影，都是旁观者视角。也就是说，我们类似旁观者一样，看到的是某个视频里的事件内容发生的全貌。机智客举个现实的例子更方便理解一点，比如你睡眼惺忪地在超市里拿了一袋洗衣粉，放入购物车或购物篮。旁观者视角就是，你穿着睡衣，微微弯腰，站在超市货架旁边找东西，看到洗衣粉后，从货架上拿下来，丢购物车或购物篮里。而第一视角则是，你心无旁骛，目光扫着货架一排排货物，看到洗衣粉，然后伸手拿过来，转头看向购物车，把洗衣粉放进去。
所以第一视角，往往更符合我们的生理结构，然而也信息量往往更少，虽然旁观者视角的信息量更多更全面，不过在现实世界，以我们人为中心，第一视角的情况往往最多。人工智能要更深入我们人类世界，也许学会第一视角看世界并与外界互动，才更贴近我们生活，方便为我们服务。
这不，第一视角的人工智能要来了。Facebook AI就在今年开启了一个名为Ego4D（Egocentric 4D Perception）的中长期计划，就是为了解决以第一人称视觉为中心的感知领域的研究挑战。据机智客了解，这是一个大规模的以第一人称视觉为中心的数据集，具有前所未有的多样性。它由来自全球9个不同国家74个地点的855名独特参与者收集的3025小时视频组成。它汇集了88名研究人员，将这一数据集的规模大幅增加了一个数量级，比任何其他项目都大20多倍，并且即将在11月底开放下载。用这些数据来喂养AI。
第一视角的人工智能？这是要“渗透”到人类世界，唤醒自我意识嘛？其实，这个属于以自我为中心的感知，也是一个全新的领域。而这种较之以往完全很“颠覆”的感知，让人工智能进入了一个全新的世界。试想一下让人工智能看一段以旁观者视角拍摄的过山车，即便外人看着都跟着紧张和头晕，但好歹能捕捉到整个过程的画面。而如果让AI以第一视角的体验者来看，那它不用说也处于完全懵逼状态。我是谁，我在干嘛，这是哪里，简直帧帧是灵魂发问。这当然只是一个例子，然而现在有些可穿戴设备——更多是未来的可穿戴设备——配备的相机多半就是以第一视角看外界的。
而这个，就是Facebook AI此时面对的挑战。Ego4D希望解决的第一个问题是情景记忆（Episodic memory）。比如你刚才拿过什么东西。Ego4D要解决的第二个问题便是预测（Forecasting）：下一步我要做什么？比如你要去哪里？东西要放哪里等。最后一个问题也是我们盼望AI能实现的防线则是社会互动（Social interaction）。也就是理解社交互动。
这个，更趋近于我们每个个体的智能助手、可穿戴设备等高级方向了吧。第一视角的人工智能，未必能拥有自我意识，然而这一个全新的方向则让AI更方便融入我们每个个体的现实人生。我们目前的智能手机、智能手环、手表等智能终端或可穿戴设备更多的是一个工具，而非一个助手，它们都还没学会理解我们，即时协助我们。
