資料搜尋的技術，現在雖然先進，唯僅限於文字，圖像的搜尋，只有碰運氣。因為圖像的搜尋，基本上還是文字的搜尋，也就是用輸入的關鍵詞、去比對圖像裡的文字註解，圖像沒有註解、或註解文字裡沒有輸入的關鍵詞，這張圖像就被排除在外。圖像的註解沒有標準，不同的應用領域，用不同的註解方式，日期、檔名、人名、地名、事件敘述，都能用作註解，註解過於簡單，就不能忠實反應圖像內容。一張狗在公園裡的照片，如果僅用「我家的小黃」來註解，那「狗」與「公園」的圖像就技術的消失了。

   十多年來，電腦科學家一直在這個題目上花費心思，搜尋不是問題，註解才是問題，一張圖像如果在儲存之前，能有軟體自動把圖像裡的景物找出來註解，再儲存到圖像庫，以後搜尋就準確得多了。要軟體辨識圖像裡的物件，不是一件容易的事，最好的方法是讓軟體可以學習，美國加州大學聖地牙哥分校，正發展這樣的軟體邏輯。像這張草叢中的老虎照片（如圖、點選放大），人工的註解為「貓、虎、森林、草」，軟體自動註解則為「貓、虎、植物、葉子、草」，可見這個軟體已經有相當的基本功力。

   軟體辨識圖像裡的景物，是一種機器學習 (Machine Learning) 的程序，軟體程式設計之後，要經過訓練學習，功能才逐步加強。當然首先要設計分析圖像的邏輯，依圖像物件的輪廓、色彩、線條結構，找出特徵，然後要開始訓練軟體，大量輸入圖像，強化尋找出的特徵，使更具代表性，最後一步是驗證軟體的可靠程度，同樣圖像用人工註解與軟體註解比較。

   圖像經過軟體掃瞄，先分成許許多多 8 x 8 畫素的小方塊，從中擷取重要資訊，然後匯集全圖的重要資訊，經過運算得到的結果，便是這張圖像的特徵。一張圖像沒有代表性，所以再輸入同類別的圖像，比如說是「山」，用同樣運算取得第二張「山」的特徵。這樣週而復始，連續輸入幾百張不同的「山」之後，把每一張「山」的特徵匯集，就演變成「山」類別的特徵，以後圖像裡一旦發現有高或然率（如60%）的山類特徵，就把這張圖像歸類、註解為「山」。

   這一軟體經人控制，學習辨識任何的具體景物，稱為 Supervised Multiclass Labeling (SML)，山、水、花、貓、老虎、樹、草、魚、建築物，每一類別的圖像大量輸入，找出這一類別的特徵，輸入同類的圖像越多，特徵也就越準確。加大聖地牙哥分校的研究員，用六百類別、六萬張照片，每類別一百張，作為訓練軟體的基礎，已經歸納出四百多類物件的特徵，一張圖像裡的物件只要在這四百種類別之內，都能一一識別、自動註解。

   根據研究人員的驗證，這個軟體所產生的註解，與人工加註不相上下，有時候還勝過人工，像上述的老虎照片，軟體就比人工多了「葉子、植物」兩個註解。例如驗證測試裡的北極熊（如圖、點選放大），人工註解為「北極、熊、雪、凍原」，軟體的自動註解為「北極、凍原、熊、雪、冰」。珊瑚礁的照片，人工註解為「珊瑚、魚、海洋、礁」，軟體的自動註解為「礁、珊瑚、海洋、遊戲、魚」。把這一軟體與其餘的圖片辨識系統比較，研究人員說優於40%，也就是產生無意義的註解比別的系統減少了四成。

   初步成功，當然距理想甚遠，幾百種類別的辨識，僅能用在簡單、物件明顯的特定圖像，至於是否能用於龐大網路，許多人就質疑其實際功效。目前的軟體邏輯，也僅是用於具體有形的物件上，概念性、感性的辨識，像是照片裡是否有歡樂氣氛，就超出目前辨識的技術能力。研究人員說，這一軟體雖不完美，但可左為輔助，提升搜尋的機率，要進一步辨識圖像的情緒，至少要再等午年。

   數位照相機讓大家隨手拍照，圖像的數量越來越多，終有超過文字的一天，果能自動辨識內容，甚至把辨識邏輯放到照相機裡，隨照隨自動註解，即使對個人圖像的儲存與查找，也不無小補，更不用說各個應用領域的圖像庫了。看樣子，圖像片辨識與搜尋，仍是資訊科技今後幾年的一大挑戰。