人工智能系統(tǒng)在模仿人類的生物功能，但是它們的視覺系統(tǒng)仍然不是完全按人類視覺原理工作的。
計算機視覺已經(jīng)誕生一段時間了。圖片識別算法也不會再像最初那樣犯愚蠢的錯誤。如今，它能準確地告訴你一張圖片中有一輛車。但是，它從圖片中識別物體的技巧可能不是人類所想的那樣。
絕大多數(shù)計算機視覺系統(tǒng)是通過神經(jīng)網(wǎng)絡識別圖片中的特征，而這里的神經(jīng)網(wǎng)絡是受到人類神經(jīng)系統(tǒng)的啟發(fā)而設計出來的，而且兩者在結(jié)構(gòu)上是相似的。最近， Facebook 和 Virginia Tech 的研究員們聲明，盡管兩者有共同之處，我們還是應該謹慎假定兩者以相同的原理發(fā)揮作用。
為了準確掌握人類和人工智能在分析圖片時各自發(fā)生了什么，研究員們研究了兩者的視覺聚焦點。研究員向兩者提供模糊不清的圖片，詢問圖片中正在發(fā)生什么，例如：“圖片中的貓在哪里?”如果人類和人工智能不能回答這樣的問題，研究員就有選擇地增加圖片的清晰度，直到兩者能準確回答問題。研究團隊使用幾種不同的算法進行了重復測試。
顯然，人類和人工智能都能提供答案。但是，有趣的是他們的做法是不同的。讓人類和人工智能使用 1 到 -1 之間的數(shù)字評估模糊不清的圖片，1 表示完全肯定(例如：1 表示完全肯定圖片中某個模糊不清的物體是貓)，-1表示完全否定。結(jié)果兩個人的平均估分是 0.63，而一個人和一個人工智能系統(tǒng)的平均估分降到了 0.26 。
換言之，人工智能和人類看到了相同的圖片，并被研究員問以相同的問題，且都正確理解了問題，但是兩者使用不同的視覺特征去得出相同的結(jié)論。
這次研究結(jié)果是易于理解的，之前的研究已經(jīng)暗示了這一點。在 2014 年，來自康奈爾大學和懷俄明州大學的研究團隊研究表明，人類可以創(chuàng)造出能愚弄人工智能以為自己看到了某物的圖片，只需要創(chuàng)造出具有能讓人工智能聯(lián)系到某物體的強烈視覺特征的圖片就可以了。而人類具有大量的常識知識庫，能分辨出相似的物體，所以不會被欺騙(比如：不會把圖片中的玩具貓看成是真貓)。研究員正在努力給計算機視覺系統(tǒng)增條一種新的智能軟件，就是能理解語義世界的軟件，將語義與視覺智能地結(jié)合起來。
但是，計算機視覺不是使用和人類完全一樣的視覺機制并不意味著計算機視覺更差。事實上，正是因為沒有完全按照人類視覺原理進行工作，計算機視覺可能做得更好。
在計算機視覺中使用的神經(jīng)網(wǎng)絡通常用到一種叫做監(jiān)督式學習 (supervised learning) 的技術(shù)，用于理解圖片中發(fā)生的事情。歸根結(jié)底，計算機視覺之所以能將模型、紋理、形態(tài)與某個特定物體的名字聯(lián)系在一起，是因為人類給人工智能提供了海量圖片，從而訓練人工智能識別圖片中的內(nèi)容(這些內(nèi)容已被人類分門別類)。
然而，F(xiàn)acebook 和 Google 的 DeepMind 已經(jīng)使用非監(jiān)督式學習 (unsupervised learning) 系統(tǒng)進行了試驗，讓人工智能在沒有人的干預下從視頻和圖片中的內(nèi)容中學習人臉和日常物體看起來像什么。最近被 Twitter 收購的 Magic Pony 也避開了監(jiān)督式學習，轉(zhuǎn)而讓人工智能系統(tǒng)學習識別圖片中的統(tǒng)計模式，也就是辨別出物體的邊界、紋理和其它特征是什么樣的。
文章選自：MIT Technology Review 作者：Jamie Condliffe
{{item.content}}