機器人正在看著我們，谷歌在YouTube上發布了一組視頻，幫助機器了解人類如何在這個世界上生存。

“原子視覺動作”（AVA）是人們從事日常活動的三秒鐘視頻，比如喝水、拍照、演奏樂器、擁抱、站立或烹飪等。每段視頻都標明了人工智能應該關注的人，以及他們的姿勢描述，還有他們是否與某個物體或其他人進行互動。

谷歌最近在一篇博客文章中描述了這個新的數據集，稱：“盡管過去幾年在圖像分類和尋找物體方面取得了令人激動的突破，但認識人類行為仍然是一個巨大的挑戰。這是因為，從本質上講，動作比視頻中的物體更不明確。”

57600個視頻片段只強調了80個動作，但卻需要給超過96000人貼上標簽。谷歌從流行電影中截取部分片段，強調它們來自“不同的流派和國家”。如果一段視頻中有兩個人，每個人都被分別標記，這樣機器就可以知道，兩個人需要互相握手，或者有時人們在擁抱時接吻。

這項技術將幫助谷歌分析多年的視頻，還能幫助廣告商更好地瞄準消費者，因為他們更有可能觀看視頻。一篇附帶的研究論文稱，谷歌的最終目標是教計算機社交視覺智能，即“理解人類在做什么，下一步該做什么，以及他們想要達到什么目標。”